-
题名分块二维主成分分析鉴别特征抽取能力研究
被引量：1
- 1
-
-
作者
陈伏兵
韦相和
严云洋
杨静宇
-
机构
淮阴师范学院计算机科学系
南京理工大学计算机科学系
-
出处
《计算机工程与应用》
CSCD
北大核心
2006年第27期69-72,75,共5页
-
基金
国家自然科学基金资助项目(编号:60472060)
江苏省自然科学基金资助项目(编号:05KJD520036)
淮安市科技发展基金资助项目(编号:HAG05053)
-
文摘
基于二维主成分分析(2DPCA),文章提出了分块二维主成分分析(M2DPCA)人脸识别方法。M2DPCA从模式的原始数字图像出发,先对图像进行分块,对分块得到的子图像矩阵采用2DPCA方法进行特征抽取,从而实现模式的分类。新方法的特点是能有效地抽取图像的局部特征,正是这些特征使此类模式区别于彼类。在ORL人脸数据库上测试了该方法的鉴别能力。实验的结果表明,M2DPCA在鉴别性能上优于通常的2DPCA和PCA方法,也优于基于Fisher鉴别准则的鉴别分析方法:Fisherfaces方法、F-S方法和J-Y方法。
-
关键词
线性鉴别分析
特征抽取
二维主成分分析
分块二维主成分分析
人脸识别
-
Keywords
Linear Discriminant Analysis（LDA）,feature extraction,Two Dimensional Principal Component Analysis（2DPCA） ,Modular Two Dimensional Principal Component Analysis（M2DPCA）,face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名二维主成分分析方法的推广及其在人脸识别中的应用
被引量：20
- 2
-
-
作者
陈伏兵
陈秀宏
高秀梅
杨静宇
-
机构
南京理工大学计算机科学系
-
出处
《计算机应用》
CSCD
北大核心
2005年第8期1767-1770,共4页
-
基金
国家自然科学基金资助项目(60472060)
-
文摘
提出了分块二维主成分分析(分块2DPCA)的人脸识别方法。分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其特点是:能方便地降低鉴别特征的维数;可以完全避免使用矩阵的奇异值分解,特征抽取方便;与2DPCA方法相比,使用低维的鉴别特征矩阵,而达到较高(至少是不低)的正确识别率。此外,2DPCA是分块2DPCA的特例。在ORL和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上优于2DPCA方法。
-
关键词
线性鉴别分析
特征抽取
分块二维主成分分析
特征矩阵
人脸识别
-
Keywords
LDA(Linear Discriminant Analysis)
feature extraction
Modular 2DPCA (Modular two-Dimensional Principal Component Analysis)
feature matrix
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分块双向二维主成分分析的步态识别
被引量：1
- 3
-
-
作者
卢威
陈后金
-
机构
北京交通大学电子信息工程学院
-
出处
《计算机应用与软件》
CSCD
2011年第9期232-234,共3页
-
文摘
提出了一种基于步态能量图和分块双向二维主成分分析进行步态特征的算法。首先对图像序列预处理提取运动轮廓,通过分析区域分布直方图检测出运动周期,生成步态能量图描述步态的空间和时间特性,继而使用分块双向二维主成分提取步态特征用以分类,最后在USF步态数据库上测试,并与其它几个算法进行比较。实验结果显示,该方法有更高的识别率和更低的计算复杂度。
-
关键词
步态识别
步态能量图
二维主成分分析
分块双向二维主成分分析
特征提取
-
Keywords
Gait recognition Gait energy image 2D Principal component analysis（PCA） Modular-（2D）2PCA Feature extraction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
