文档介绍：人脸识别系统
摘要：结合小波包变换(Waveletpacket)和独立成份分析(ICA)提出了一个人脸识别新方法。该方法首先应用小波包变换提取图像的特征向量，接着经过主成份分析(PCA)降低特征向量的维数，在此基础上应用独立成份分析提取统计上独立的特征向量，然后基于相关系数的分类器对特征向量进行分类。在ORL人脸图像数据库上进行算法验证的结果表明该方法的有效性。
关键词：人脸识别；特征提取；小波包变换；独立成份分析；
中图分类号：TP391文件标识码：A文章编号：1009-3044(2021)08-1909-03
FaceRecognitionUsingWaveletPacketandIndependentComponentAnalysis
YANGYing-xian
(DepartmentofInformationManagement，GuangdongJusticePoliceVocationalCollege,Guangzhou510520,China)
Abstract：AnewfacerecognitionmetholdwasproposedbyadoptingtheWaveletpacketandIndependentComponentAnalysis(ICA).WaveletpacketwasappliedtofaceimagestoextractthefeaturedimensionofthesalientfeaturevectorswasreducedbyPrincipalComponentAnalysis(PCA).ICAfurtherreducedthefeatureredundanciesandderivedindependentfeaturevectorsforthecorrelation-.
Keywords：facerecognition；featureextraction；waveletpacket；independentcomponentAnalysis(ICA)
在人脸识别研究中，人脸图像特征的有效地提取和有效分类是实现识其余关键。人脸特征提取有多个方法，经典的特征提取方法是基于子空间提取的方法，如主成份分析(PrincipalComponentAnalysis，PCA)1、独立成份分析(IndependentComponentAnalysis，ICA)2、Fisher线性判别FisherLinearDiscriminant,FLD3直接对人脸图像的像素矩阵进行子空间变换。小波包分析是在小波分解的基础上发展起来的，能提供一个愈加精细的分析方法，含有能够保留图像的主频信息又保留不一样方向细节信息的优点，所以小波包含有更广泛的应用价值。
本文在Yang4工作的基础上，应用小波包变换提取图像的特征向量，接着经过主成份分析(PCA)降低特征向量的维数，在此基础上应用独立成份分析提取统计上独立的特征向量，然后基于相关系数的分类器对特征向量进行分类。本文对Yale人脸数据库来进行