基于分数阶傅里叶变换统计信息的人 脸识别（孙慧静）

基于分数阶傅里叶变换统计信息的人脸识别（孙慧静）

文章地址：paper

分数阶傅里叶变换作为新兴的图像处理工具，可以看作信号在时频平面进行任意角度的逆时针旋转。它引入了变换阶次，可以分析信号的时频域信息，通过阶次变换决定时频域信息的占比。
由于分数阶傅里叶变换不是保实的，对其幅度相位信息单独分析。对幅度信息进行了统计分析，首次对幅度信息含有判别信息进行了论证。另外，利用幅度信息对图谱结构具有鲁棒性的特性，解决了局部保持投影的相似矩阵对近邻数目敏感的问题。
本文首次提出差异脸，利用类间差异大与类内差异小，更好地识别人脸。把差异脸与相位信息统计特性相结合，利用相位信息的稀疏性，合理地设置阈值解决了人脸识别对外界因素敏感的问题。在实验过程中，每人仅提取一个训练样本，其余均用作测试，不仅得到了理想的识别效果，还解决了小样本问题。

---

1.目前关于人脸识别的方法综述

1.1基于空域的人脸识别方法

1) 主成分分析(Principal Component Analysis，PCA)。是一种线性变换，该方法通过构建协方差矩阵对图像进行处理和特征提取，最终实现样本的最优化重建。实现步骤： A. 计算图像的总散度矩阵，提取图像的主成分形成特征子空间。B. 在特征子空间分析图像，不仅提取了图像的主要判别信息，而且降低了图像的维数，提高了识别的速度。优点：因为是线性变换，描述数据时方便快捷。缺点：其核心没有以分类为目的，不是很适用于模式识别类问题；其产生的特征向量只是考虑图像之间的所有差异，忽略了类别信息。因此无法辨别这些差异来自类间还是类内。