[发明专利]基于模块化PCA的图像主信息提取方法及人脸识别方法

权利要求书

1.一种基于模块化PCA的图像主信息提取方法，包括：

图像分块：采用重叠分块方式对图像进行分块成多个子图像，

标准化处理：根据所有子图像的期望矩阵处理子图像得到标准化的子图像，

其特征在于，还包括：

信息提取：设定每个标准化的子图像中每一行的行重要样本概率和每一列的列重要样本概率，根据每一行的行重要样本概率随机抽取标准化的子图像中第一指定数目的行，根据每一列的重要样本概率随机抽取标准化的子图像中第二指定数目的列，并将标准化的子图像中抽取的第一指定数目的行和第二指定数目的列构成该子图像主信息矩阵；

所述行重要样本概率具体为：

其中：p_ni为第n个子图像的第i行的重要样本概率，J_n为第n个子图像的标准化的子图像，J_n⁽ⁱ⁾为J_n的第i行，为J_n的F范数的平方，为J_n⁽ⁱ⁾的欧几里得范数的平方，x为子图像的总行数，N为由一个样本图像分块得到的子图像的总数，

所述列重要样本概率具体为：

其中：q_nj为第n个子图像的第j列的重要样本概率，J_n^(j)为J_n的第j列，为J_n^(j)的欧几里得范数的平方，y为子图像的总列数；

所述图像分块步骤具体为以步长为S像素将尺寸为X×Y的图像分割成N个子图像：

其中：x×y为子图像的尺寸。

2.根据权利要求1所述的一种基于模块化PCA的图像主信息提取方法，其特征在于，所述标准化的子图像具体为：

J_n＝I_n-A,n∈(1,N)

其中：J_n为第n个子图像的标准化的子图像，I_n为第n个子图像，A为所有子图像的期望矩阵。

3.一种基于权利要求1或2所述的图像主信息提取方法的人脸识别方法，其特征在于，包括：

采用所述图像主信息提取方法处理所有对象中的每一个样本图像，其中，每个对象中的样本图像数据至少为一个；

计算各对象的各位置子图像的平均主信息矩阵：

其中：为第t个对象的第n个位置子图像的平均主信息矩阵，T为对象的总数，M_t为第t个对象的样本图像的总数，N为由一个样本图像分块得到的子图像的总数，W_tmn为第t个对象的第m个样本图像的第n个子图像的主信息矩阵；

采用所述图像主信息提取方法处理待识别图像；

根据待识别图像的主信息矩阵和各对象的各位置子图像的平均主信息矩阵计算待识别图像和所有对象的最小矩阵距离，并识别所述待识别图像中的人脸。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述根据待识别图像的主信息矩阵和各对象的各位置子图像的平均主信息矩阵计算待识别图像和所有对象的最小矩阵距离，并识别所述待识别图像中的人脸，具体包括：

计算待识别图像和所有对象的最小矩阵距离：

其中：D_t为待识别图像和第t个对象的最小矩阵距离，W_testn为待识别图像的第n个子图像的主信息矩阵，为欧几里得范数的平方；

搜索与待识别图像的最小矩阵距离最小的对象：

D_k＝min(D_t),k∈(1,T)

其中，D_k为待识别图像和第k个对象的最小矩阵距离，min(D_t)为待识别图像和所有对象的最小矩阵距离的最小值；

判断待识别图像和所有对象的最小矩阵距离的最小值是否小于设定阈值，若为是，则待识别图像的识别结果为第k个对象，若为否，则无识别结果。

5.根据权利要求3所述的人脸识别方法，其特征在于，所述根据待识别图像的主信息矩阵和各对象的各位置子图像的平均主信息矩阵计算待识别图像和所有对象的最小矩阵距离，并识别所述待识别图像中的人脸，具体包括：

计算待识别图像和所有对象的最小矩阵距离：

其中：D_t为待识别图像和第t个对象的最小矩阵距离，W_testn为待识别图像的第n个子图像的主信息矩阵，为欧几里得范数的平方；

判断待识别图像和所有对象的最小矩阵距离的最小值是否小于设定阈值，若为否，则无识别结果，若为是，则：

搜索与待识别图像的最小矩阵距离最小的对象作为识别结果：

D_k＝min(D_t),k∈(1,T)

其中，D_k为待识别图像和第k个对象的最小矩阵距离，min(D_t)为待识别图像和所有对象的最小矩阵距离的最小值。