论文部分内容阅读
传统的主分量分析方法(PCA)是最为经典的图像特征抽取方法之一,由于其本质上是在最小均方差意义下给出了模式样本的最优表示,所以它通常被作为对高维图像模式进行降维的一种常用方法。但就模式分类而言,这种表示并非是最有效的。首先从统计相关性的角度揭示了PCA抽取的特征本身就具有统计不相关的良好特性。然后通过引入一种新的最大散度差类别可分性判据,从而为在PCA抽取的特征中最优鉴别特征的选取提供了一种有效策略。最后,在AR标准人脸库上的实验结果验证了算法的有效性。