人脸识别：特征提取维数问题

Question

如果图像大小事m*n的，用行2DPCA进行特征提取后的矩阵为m*p维，用列2DPCA进行特征提取后的特征矩阵为q*n位，用(2D)^2PCA进行特征提取后的特征矩阵为q*p维。
我想问一下，用(2D)^2PCA进行特征提取后的特征矩阵的维数怎么算的，公式：C=Z'XU,Z，U是特征空间。按我的理解，Z是n*q，U是m*p，X是m*n的，这样算不对啊，公式应该是X'才对啊？怎么回事呢？

Answer 1

http://www.docin.com/p-68975007.html#
我第一次看2DPCA就是在那里看的，跟你说的不太一样，你可以参考一下，我也只看过这一篇。

Answer 2

呵呵，你写的变量太多了，不看你的（有点乱），我只说我的理解：假设原始图像为m*n
1.求取行的总体散布矩阵容量大小为(n*m)(m*n),所以为n*n,假设取k1个特征向量，则特征矩阵W1为n*k1;
2.求取列的总体散布矩阵容量大小为(m*n)(n*m),所以为m*m,假设取k2个特征向量，则特征矩阵W2为m*k2;
3.投影后Y=(W2)'*X*(W1)=(k2*m)*(m*n)*(n*k1)=k2*k1
 为最终的特征的容量大小
然后再求每个样本对应的Y矩阵的距离，大部分是求矩阵的每一列之间的距离，可以取不同的范数。识别时，大于或者小于某个阈值就可以分类。