基于自适应加权Fisherface算法的人脸识别

摘要

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve(K-L)变换降维,在降维的子空间内,根据样本与同类样本间的距离赋予该样本一权值,再用加权后的样本求取类均值,以新的类均值重建类内散布矩阵和类间散布矩阵,从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明,该算法优于传统的主成分分析(PCA)方法和Fisherface方法,并能有效解决小样本情况下训练样本类均值偏离类中心的问题。