一种基于局部排序pca的线性鉴别算法

主分量分析(principalcomponentanalysis,pca)是模式识别领域中一种重要的特征抽取方法,该方法通过k-l展开式来抽取样本的主要特征。基于此,提出一种拓展的pca人脸识别方法,即分块排序pca人脸识别方法(mspca)。分块排序pca方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用pca方法求出矩阵的所有特征值所对应的特征向量并加以标识；然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征；最后,在mspca的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行pca+lda。与pca和pca+lda方法相比,分块排序pca由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在orl人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的pca和pca+lda方法。