基于PCA 和LDA 融合算法的性别鉴别 随着社会发展，快速有效的自动身份验证应用广泛。生物特征是人类的内在属性，具有很强的自身稳定性和个体差异性，所以它是身份验证最理想的依据。其中，人脸相比其他的人体生物特征具有直接、方便、友好等特点，所以利用人脸特征进行身份验证是最自然直接的手段，并易于为用户所接受。性别鉴别作为其中特殊的一部分，可以加强人机交互系统的灵活性，而且可以对特殊环境下与性别相关的地方出入进行限制，收集有价值的统计信息(如每天出入的男性、女性数量，对酒吧、商场、零售业提供有价值的服务)等。 1 性别分类算法 性别分类是一个典型的二类问题，一般方法是通过输入一副人脸图像 X，通过预处理，特征提取，分类器等过程后来决定X 的类别。这里的性别分类算法如图1所示，它是由预处理、特征提取、分类器3个部分组成。 其中预处理主要是几何变换和区域直方图处理。通过这些工作保障了人脸几何(方向，大小)的不变性。基本消除了背景的影响和部分光照影响，提高了识别的精度。然后再预处理的基础上进行主元分析提取特征，获得主元分析 PAC(Principal components Analysis)主元子空间和线性鉴别分析 LDA(Linear Discriminant Analysis)特征子空间，最后利用分离器(人脸样本训练获得)进行分类。 1．1 预处理 该性别分类算法主要采用，几何处理+整体直方图处理(HG)，几何处理+区域直方图处理(RHG)2种方法进行预处理，并进行比较。 1．1．1 几何处理 1)图像的缩放 MATLAB 图像处理工具箱中的函数 imresize 可对图像进行缩放操作，常用的格式为： B 是缩放后图片；A 是原始图片；m 表示缩放倍数(m>1时图片放大；m<1时图片缩小)；method 是缩放的插值方法(默认为最近邻插值法)；[mrows，ncols]指输出图片大小为mrowsxncols。 2)图像的旋转处理 有些待分类的图像，人脸是歪斜的，这时要对图像进行旋转处理如图2所示。但旋转时各像素的坐标会发生变化，使得旋转之后不能正好落在整数坐标处，需要进行插值，工具箱中函数imrotate 方法可以对图像进行插值旋转(默认方法是最近邻插值法)。常用的语法格式为： 其方法中对应的参数意义为：angle 为图像A 按照逆时针旋转的角度，method 是选择的插值方法。 3)图像的剪切 当只需要图像中的一部分时，如实验中只需要人脸图片，就要对图像进行剪切处理，在MATLAB 图像处理工具箱中提供函数imcrop 用于剪切图像中的一个矩形子图，用户可以...
