基于PCA的改进人脸识别算法 —2DPCA（上篇）

1.PCA简要介绍

PCA（Principal Component Analysis）即主成分分析方法。一般都是先把样本矩阵变成一维的向量，然后很多样本的向量构成一个矩阵，以向量作为原始特征进行特征提取。由于转换后的维数一般较高，于是对随后的特征提取造成困难，使得后续算法具有较高的计算复杂度，因此提出2DPCA（二维主成分分析）算法进行改进。

2.2DPCA算法基本原理

把图像A看作是一个m×n的随机矩阵，设X 表示n维单位列向量，通过如下线性变换

将A投影到X上，因此，我们得到一个m维的投影向量Y，称为图像A的投影特征向量

预计样本的总散射度可以衡量投影向量X的鉴别能力。预计样本的总分散度的特性可以描述预计的特征向量的协方差矩阵。