不同的特征提取方法的確會對系統(tǒng)識別率的提高有一定的影響，為了驗證本文方法識別率的提高不僅僅依賴于(2D)2PCA特征提取方法的選擇，而是由于鏡像人臉圖像樣本的增加，實驗中分別對單樣本PCA算法、SVD+PCA算法、SVD+2DPCA算法、SVD+(2D)2PCA算法以及本文算法在ORL人臉庫上，同樣分別將每個人的第1,2,3,...,10幅圖像作為訓練人臉圖像，而將其余的360幅作為測試樣本，取同一特征向量維數(shù)下的10組實驗的平均識別率作為其最終識別率，測試結(jié)果如圖3所示。

　　同時，為了比較各參考文獻方法和本文方法在不同測試樣本數(shù)目情況下的穩(wěn)定性[9]，做如下的測試實驗：在ORL人臉庫上分別取每個人的第1,2,3,...，10張圖像作為訓練樣本，分10組實驗，同時在每組實驗中分別以除訓練樣本以外的前2,3,4,...，9張圖像作為測試樣本，計算每組實驗的平均識別率，實驗結(jié)果如圖4所示。

　　2.3 實驗結(jié)果分析

　　由表1可以看出，在不同的訓練樣本條件下，本文提出的方法的識別效果明顯高于參考文獻中提出的其他幾種方法，這主要是由于加入鏡像信息后可以減小由于姿態(tài)變化對人臉識別的影響。從圖3中的實驗數(shù)據(jù)也可以看出SVD+2DPCA和SVD+(2D)2PCA方法在特征維數(shù)增大時，兩種方法的識別效果差不多，但是都不如本文所提方法，而且由SVD+(2D)2PCA方法和本文方法的比較曲線可以得知,本文方法識別率的提高主要是依賴于人臉圖像鏡像信息的加入，而不是僅僅由于(2D)2PCA特征提取方法的選擇。由圖4可知，隨著測試樣本個數(shù)的增加，特別是PCA方法的識別率較低而且其穩(wěn)定性較弱，與SVD+2DPCA以及SVD+(2D)2PCA方法相比，本文所提方法在保證識別率高于其他方法的同時，也表現(xiàn)出了較強的穩(wěn)定性。

　　通過對原始人臉圖像增加鏡像圖像來擴充訓練人臉樣本數(shù),提出了一種基于鏡像奇異值分解的新方法。實驗表明，與其他單樣本人臉識別方法相比,本文所提出的方法具有較高的識別率，在一定程度上克服了由于人臉姿態(tài)的變化對識別結(jié)果的影響,并取得了較好的識別效果。但是，現(xiàn)有的基于單樣本人臉識別的方法其識別率一般都不高,有效算法的提出還有待進一步的研究。

參考文獻

　　[1] ZHAO W, CHELLAPPA R, ROSENFELD A, et al. Face recgnition: a literature survey[J]. ACM Computing Surveys, 2003,35(4):399-458.[1] TURK M, PENTLAND A. Eigenfaces for recognition[J].Journal of Cognitive Neuroscience, 1991,3(1):71-86.

　　[2] TURK M, PENTLAND A. Face recognition using eigenfaces[A]. Proceedings of IEEE Computer Vision and Pattern Recognition[C]. Hawaii, USA: IEEE CS Press, 1991: 586-591.

　　[3] YANG J, ZHANG D. Two_dimensional PCA: a new approach to appearance-based face representation and Recognition[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2004,26(1):131-137.

　　[4] ZHANG Dao Qiang, ZHOU Zhi Hua. (2D)2PCA:Two-directional two-dimensional PCA for efficient face representation and recognition[J]. Neurocomputing,2005(69): 224-231.

　　[5] BELHUMEUR V, HESPANHA J, KRIEGMAN D. Eigenfaces vs fisherfaces: recognition using class specific linear projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(7):711-720.

　　[6] LU Chong, LIU Wan Quan, SEN Jian. An face recognition with only one training sample[J]. Proceedings of the 25th Chinese Control Conference 7-11 August, 2006

　　[7] 楊瓊，丁曉青.對稱主分量分析及其在人臉識別中的應(yīng)用[J].計算機學報,2003,26(9):1146-1151.

　　[8] ZHANG D, CHEN S, ZHOU Z H. A new face recognition method based on SVD perturbation for single example image per person[J].Applied Mathematics and computation, 2005,163(2):895-907.

　　[9] 吳朋.基于虛擬信息的單樣本分塊人臉識別[J].計算機工程與應(yīng)用,2009,45(19):146-149.