·534 智能系统学报 第6卷 3)根据式(4)计算A的奇异值扰动衍生图像 P,根据式(5)和(3)计算结合图像J. 4)将J按列连接成一个M×N维的列向量x:, 用“=2，计算x的均值向量 5)由于计算协方差矩阵Σ=上龙 K2-)( 4)T=ZZ的特征值和特征向量较难，转而计算协方 差”=ZZ和其特征值和特征向量， 图1ORL人脸库中一个人的图像 Fig.1 One person's images in ORL face database 6)根据么，=人2，求协方差矩阵Σ=是 3.2ORL人脸库上的实验结果分析 √： 客(x-)(x-)'=zZ的特征值和特征向量，按 针对参数n和a取不同值，采用文献[3]中的 取值方式和本文提出的均匀取值方式进行了实验， 从大到小的顺序对Σ的特征值及对应的特征向量 图2和图3分别给出了2种取值情况下图像的奇异 排序，然后采用三A,/名入：≥9舍弃无用的特征值和 值扰动衍生图像、结合图像随n变化的情况 其对应的特征向量，得到所需的投影矩阵U, 7)训练图像和测试图像按P=Y往投影空间 U投影，得到投影向量，再利用欧式距离来确定测试 图像的类别。 3 实验结果分析 本文分别在ORL人脸库和CAS-PEAL人脸库 m=7 m=8 m=10 上进行了大量的实验，其中OL人脸库是一个变化 (a)x=0.25时的衍生图像 模式相对单一且由西方人人脸构成的人脸库，而 CAS-PEAL人脸库是变化模式相对较为复杂且由东 方人人脸组成的人脸库，通过在这样的2个人脸库 上的实验可以更充分地验证参数n和α取不同值时 原图像 m=】 m=2 1=3 对SPCA识别效果的影响. 3.10RL人脸库介绍 实验所用人脸图像为英国剑桥大学AT&T实验 m=7 m=8 m=9 m=10 室创建的ORL人脸数据库o].ORL人脸库包括40 (b)a=0.25时的结合图像 个人，每人10幅，共400幅人脸图像，图像为256级 图2文献[3]中m取不同值时的衍生图像和结 灰度，尺寸大小为92×112（宽×高）像素.照片拍摄 合图像 于不同的时间，采用统一的黑色均匀背景，在一定范 Fig.2 The derived images and combined images 围内存在光照变化，面部表情变化（睁眼或者闭眼、 in [3]with different m 微笑或者严肃)以及脸部细节变化（如是否戴眼 镜)，所有的照片都是正面直立的，允许一定角度的 头部倾斜和旋转，一般旋转角度不超过20°.这有利 于验证SPCA参数是否可以抑制无用干扰信息，对 n=1.1 n=1.2 n=1.3 =1.4 n=1.5 于分析参数变化对识别效果的影响是有利的 实验中选取40个人，每人一幅具有正常表情的 标准人脸图像作为训练样本库，剩余的360幅图像 1=1.6 n=1.7n=1.8n=1.9n=2.0 用于测试.图1给出了其中一个人的图像. (a)a=0.25时的衍生图像