2010年人像认证：小波+2DPCA融合算法提升识别率

本文档探讨了一种创新的人脸识别算法，即"基于小波变换的融合两种2DPCA的人像认证算法"，发表于2010年9月的《沈阳建筑大学学报（自然科学版）》。该研究的主要目的是针对单一2DPCA方法在人脸识别领域的不足，提出一种利用小波变换进行降维并结合两种不同的2DPCA方法来提高人脸识别的准确性和鲁棒性。 算法的核心步骤包括：首先，通过2维小波变换对人脸图像进行分解，小波变换能够有效地捕捉图像的局部特征，特别是低频部分，这些信息被用来构建新的特征描述。然后，利用总协方差矩阵和类间散布矩阵两种不同的2DPCA方法对这些特征进行初步处理，每种方法从不同角度提取出人脸的主要特征维度。接着，将这两种初步的识别结果进行融合，形成最终的决策，从而实现稳定且高效的人脸身份认证。 在ORL人脸数据库上的实验结果显示，该算法在小样本和全部样本测试下都展现出显著的优势。在小样本情况下，识别率达到99.92%，这表明了算法在处理少量训练数据时的高精度。而在全部样本测试中，识别率也达到了94.25%，显示出算法在处理大量数据时的稳健性能。相较于传统的二维主成分分析（2DPCA）、基于小波变换的单一2DPCA以及二维独立元方法，这个融合方法具有更高的识别准确性和对人脸表情、姿态变化以及光照条件变化的适应性。 这篇论文不仅介绍了新的算法技术，还提供了实验证据来证明其在实际应用中的有效性。这对于生物特征认证，尤其是人脸认证领域，是一个重要的贡献，展示了小波变换与2DPCA相结合的潜力，为进一步提升人脸识别系统的性能指明了方向。