基于加权小波分解和Fisherfaces的人脸识别算法研究

摘要

提出了一种将加权小波分解和Fisherfaces方法相结合的人脸识别算法.首先,对人脸图像进行加入白化的预处理,去除干扰、噪声的同时平衡图像的能量谱;然后,采用小波分解得到图像的低频分量和水平、垂直高频分量并进行加权组合,结合Fisherfaces方法,在PCA变换后的空间内应用线性判别分析（LDA）,解决了类内散布矩阵奇异和PCA在降维过程中不利于样本分类的问题;最后,运用最近邻分类器进行分类识别.基于ORL和YALE人脸库进行实验,确定小波基及分解层数分别为db2小波和2层,选择归一化尺寸和特征维数的最佳参数能够使得识别率分别达到98.75％和100％,且特征维数20～70的对比实验结果表明,该算法具有更好的识别效果.