-
题名基于改进的双向二维线性判别分析的人脸识别
- 1
-
-
作者
叶延亮
徐正光
-
机构
北京科技大学
北华大学
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第31期188-190,共3页
-
文摘
针对传统的二维线性判别方法提取出的人脸特征系数维数大的问题,提出一个改进的双向二维线性判别分析方法GB2DLDA。双向压缩类内和类间散布矩阵,用压缩后的散布矩阵构成两个Fisher鉴别准则函数,求出两个投影矩阵,然后人脸图像矩阵向投影矩阵投影,提取出特征系数。实验证明在相同识别率下,用此方法提取的特征系数维数明显少于其它二维线性判别分析方法。在选择合适的特征向量的情况下,此方法的识别率要好于其它二维线性判别分析方法。
-
关键词
二维主元分析法
双向二维线性鉴别分析方法
改进的双向二维线性判别分析方法
压缩
投影矩阵
-
Keywords
Two-Dimensional Principal Component Analysis （2DPCA）
Bilateral Two-Dimensional Linear Discriminant Analysis （B2DLDA）
Improved Bilateral Two-Dimensional Linear Discriminant Analysis（ GB2DLDA ）
compress
projection matrix
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种M2DPCA和NSA相结合的人脸识别方法
被引量：1
- 2
-
-
作者
戴飞
陈秀宏
-
机构
江南大学数字媒体学院
江南大学物联网工程学院
-
出处
《计算机工程与应用》
CSCD
2012年第5期174-176,共3页
-
基金
中央高校基本科研业务费专项资金资助(No.JUSRT211A70)
-
文摘
将非参数子空间分析方法(NSA)和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。
-
关键词
模块化二维主元成分分析法(M2DPCA)
非参数子空间分析方法(NSA)
特征提取
人脸识别
-
Keywords
Modular 2 Dimensional Principal Component Analysis（M2DPCA）
Non-parametric Subspace Analysis（NSA）
feature extraction
face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
