-
题名广义主分量分析及人脸识别
被引量：2
- 1
-
-
作者
高秀梅
杨静宇
袁小华
杨健
-
机构
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
2003年第11期31-32,48,共3页
-
基金
国家自然科学基金资助项目(编号:60072034)
-
文摘
传统的主分量分析和Fisher线性鉴别分析在处理图像识别问题时都是基于图像向量的。该文提出了一种直接基于图像矩阵的主分量分析方法,它的突出优点是大大加快了特征抽取的速度。在ORL标准人脸库上的试验结果表明,该文所提出的方法不仅在识别性能上优于传统的主分量分析方法和Fisher线性鉴别分析方法,而且特征抽取的速度得到了很大的提高。
-
关键词
广义主分量分析
主分量分析
线性鉴别分析
图像特征抽取
人脸识别
-
Keywords
Generalized Principal Component Analysis(GPCA),Principal Component Analysis(PCA),Linear Discriminant Analysis(LDA),Image Feature Extraction,Face Recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的广义主分量分析及在人脸识别中的应用
被引量：1
- 2
-
-
作者
王建国
林宇生
刘锁兰
杨静宇
-
机构
南京理工大学计算机科学与技术学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2008年第11期2901-2902,2905,共3页
-
基金
国家自然科学基金重点项目(60632050)。
-
文摘
广义主分量分析是一种利用图像矩阵直接计算的二维主分量分析,较传统主分量分析提高了特征抽取速度及识别率。通过对广义主分量分析中的产生矩阵进行分析,并重新定义,在类间散布矩阵定义的基础上引入了径向基函数,通过调整径向基函数的系数得到更有利于分类的特征信息,获得较高的识别率。在Yale,ORL两个人脸数据库上的实验结果表明了改进方法的有效性和鲁棒性。
-
关键词
主分量分析
广义主分量分析
图像矩阵
散布矩阵
特征抽取
人脸识别
-
Keywords
principal component analysis
generalized principal component analysis
image matrix
scatter matrix
feature extraction
face recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
