第6卷第6期 智能系统学报 Vol.6 No.6 2011年12月 CAAI Transactions on Intelligent Systems Dec.2011 doi:10.3969/j.issn.16734785.2011.06.009 SPCA参数对单样本人脸识别效果影响分析 王科俊，邹国锋，张洁 (哈尔滨工程大学自动化学院，黑龙江哈尔滨150001) 摘要：奇异值扰动的主分量分析(SPCA)是一种有效的单样本人脸识别方法，但SPCA算法的识别效果受参数选择 的影响比较大，针对SPCA算法中衍生图像生成参数和结合参数a的不同取值对识别效果的影响进行了分析，利 用ORL人脸库和CAS-PEAL人脸库做了大量的实验和比较分析，实验结果表明给出的SPCA参数选取方法和取值范 围是合理的，并有效地提高了SPCA算法的实际应用效果和单样本人脸识别的性能. 关键词：人脸识别；奇异值分解；结合投影主分量分析；奇异值扰动主分量分析；衍生图像；结合图像 中图分类号：TP391.4文献标志码：A文章编号：16734785(2011)06053108 Analysis of the influence of SPCA parameters on the recognition of a single sample face WANG Kejun,ZOU Guofeng,ZHANG Jie (College of Automation,Harbin Engineering University,Harbin 150001,China) Abstract:Singular value decomposition perturbation principal component analysis (SPCA)is an effective single- sample face recognition method;however,the identification results of the SPCA algorithm are seriously affected by parameter selection.In this paper,the effect on the identification,which was caused by the derived image parame- ter and the combined image generation parameter in the SPCA algorithm,was analyzed.Many experiments and comparative analyses were performed on the basis of the ORL face database and the CAS-PEAL face database.The experimental results show that the SPCA parameter selection method and the parameter range given in this paper are reasonable.In addition,reasonable parameters are effective in improving practical application of SPCA algorithms and the recognition performance of a single-sample face. Keywords:face recognition;singular value decomposition;(PC)2A;SPCA;derived image;combined image 单样本人脸识别问题口给人脸识别技术带来人脸识别问题进行了研究，王科俊等2]将目前文献 巨大挑战，近年来已成为人脸识别研究中的一个重 中出现的主要针对单训练样本人脸识别的方法概括 要方向，并得到广泛关注.单样本人脸识别可以有效 为以下几类：基于几何特征的方法、样本扩法、特 降低训练样本的收集成本和存储成本，加快人脸识 征子空间扩展法、通用学习框架法、图像增强法、神 别系统的处理速度，所以在犯罪取证、身份证验证、 经网络法和三维识别方法等.其中，图像增强法是使 银行和海关监控等一些特殊的场合得到应用；但是 那些对于识别比较重要的特征更加突显出来，同时 由于训练样本的有限性，单样本人脸识别的识别率 对那些次要无用的、甚至对识别造成干扰的信息进 往往不高，所以如何有效提高单样本条件下的识别 行抑制的一种方法，该方法侧重于图像的预处理.基 率已成为人们研究的重点· 于奇异值扰动的主分量分析a)](singular value de- 近年来，研究人员分别从不同的角度对单样本 composition perturbation principal component analysis, SPCA)就是利用原图像奇异值分解(singular value 收稿日期：2010-09-14. decomposition,SVD)的重构图像来增强原图像的一 基金项目：国家“863”计划资助项目(2008AA01Z148) 种方法，通过增强能够使样本提供的信息得到充分 利用，可以有效提高识别率，特别是在单样本人脸库 通信作者：邹国锋.E-mai:g841122@163.com, 中人脸类别比较多的情况下效果更显著.SPCA人