一种对角LDA算法及其在人脸识别上的应用

2维特征抽取方法(如2DPCA、2DLDA)，因为其抽取特征的速度和识别率要比1维的方法好，所以在人脸识别中得到了广泛的应用。最近基于2DPCA又提出了对角主成份分析(diagonalprincipalcomponentanalysis,？DiaPCA)，？该方法由于保持了图像的行变化和图像的列变化之间的相关性，从而克服了2DPCA仅能反映图像行之间的变化，而忽略了图像列之间变化的缺点。但是，由于DiaPCA并没在特征抽取中融入鉴别信息，同时2DLDA也具有与2DPCA同样的缺点，从而分别影响了DiaPCA与2DLDA两种方法的识别性能。针对这一问题，提出了一种对角线性鉴别分析(diagonallineardicriminantanalysis,DiaLDA)的新算法，该新算法是基于对角人脸图像来求解最优鉴别向量。该新算法在ORL和FERET人脸库进行了实验，并与PCA、Fisherface、DiaPCA、2DLDA等方法进行了比较。实验结果表明,该方法比其他方法的识别性能要好。