基于DCT融合2DPCA与DLDA的人脸识别

传统的基于主成分分析的人脸识别需要将图像矩阵转化为向量,特征提取需要花费大量时间。二维主成分分析直接利用图像矩阵,特征提取速度快,但特征数量大,影响分类速度。因此,提出了一种基于离散余弦变换(DCT)的二维主成分分析(2DPCA)和直接线性判决分析(DLDA)结合的人脸识别方法。算法首先用DCT对人脸图像进行压缩并重建,然后利用2DPCA和DLDA对人脸图像进行特征提取,最后选用最近邻分类器进行分类。在ORL人脸库上的测试结果表明,与DL-DA或2DPCA算法相比,算法具有更高的识别率。