基于样本扩张和最大散度差融合的单样本人脸识别算法

为解决只有一个训练样本时最大散度差(MSD)鉴别分析在人脸识别中的识别性能会降低这一问题,提出一种基于样本扩张和MSD融合的单样本人脸识别算法。首先,根据人脸的对称相似理论,人脸样本的相关变化信息可以从它的对称脸上提取,并且平均脸也具有要识别测试人脸的某些可能变化,提出组合原始训练样本及它的虚拟平均脸和虚拟对称脸作为新的训练样本集;然后,在新的训练样本集上应用类内中间值MSD鉴别分析算法得到最优投影矩阵,从而可以基于这个最优投影矩阵计算训练样本和待测试样本的特征;最后利用模糊决策方法进行分类。在ORL和FERET人脸数据库上的大量实验结果表明,本文算法可以提高识别率,具有一定的鲁棒性。