二维边缘散布鉴别算法

代码说明：

人脸识别由于其广阔的应用前景已成为模式识别与图像处理领域的研究热点。提取有效的特征是提高人脸识别系统性能的关键，子空间分析的方法因其识别率高而且计算简单现已成为人脸图像特征提取和识别的主流方法之一。本文主要研究了基于线性子空间的人脸识别算法，具体工作如下：(1)在深入研究基于主成分分析(PCA)和基于线性鉴别分析(LDA)的人脸识别算法的基础上，对它们各自的改进方法作了详细的介绍，包括二维主成分分析(2DPCA)，模块二维主成分分析(M2DPCA)，最大散度差鉴别分析(MSD)以及二维最大散度差鉴别分析(2DMSD)，指出了各种方法的优缺点。(2)实现了一种改进的模块2DPCA与二维最大散度差鉴别分析(2DMSD)相结合的人脸识别方法。先对原始人脸图像采用改进的模块2DPCA抽取特征，然后对得到的特征图像的子图像块施行2DMSD，得到最终的特征图像。该方法不仅利用了原始图像的局部特征和类别信息，而且完全避免了矩阵的奇异值分解