-
题名改进的模块2DPCA人脸识别算法
被引量：7
- 1
-
-
作者
张岩
武玉强
-
机构
济宁学院物理与信息工程系
曲阜师范大学自动化研究所
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第7期228-230,共3页
-
基金
教育部科学技术研究基金资助重点项目(208074)
济宁学院科研基金资助项目(2009KJLX04)
-
文摘
提出一种改进的模块2DPCA人脸识别算法,即基于子距离的模块2DPCA人脸识别算法。该算法对图像进行分块,对每一子块独立地利用2DPCA进行处理,求出测试样本子块与训练样本对应子块间的子距离,将所有子距离相加得到测试样本与训练样本的距离,用最近距离分类器分类。在ORL人脸库上的实验结果表明,该算法在识别性能上优于普通的模块2DPCA算法和修正的模块2DPCA算法。
-
关键词
二维主成分分析
子距离
模块二维主成分分析
特征提取
人脸识别
-
Keywords
Two-Dimensional Principal Component Analysis（2DPCA）
sub-distance
modular 2DPCA
feature extraction
face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的模块2DPCA与MSD结合的人脸识别
被引量：2
- 2
-
-
作者
孔爱祥
王成儒
-
机构
燕山大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第2期175-178,197,共5页
-
文摘
提出了一种改进的模块2DPCA与最大散度差鉴别分析相结合的人脸识别方法。该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最大散度差鉴别分析,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,而且完全避免了使用矩阵的奇异值分解。在ORL人脸库上的实验结果验证了该方法的有效性。
-
关键词
模块二维主成分分析(2DPCA)
最大散度差鉴别分析
人脸识别
-
Keywords
modular 2 Dimensional Principal Component Analysis （2DPCA）
maximum scatter difference discriminateanalysis
face recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种融合模块2DPCA与PCA的人脸识别方法
被引量：2
- 3
-
-
作者
黄海波
全海燕
谢鹏
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《郑州轻工业学院学报（自然科学版）》
CAS
2013年第6期81-85,共5页
-
基金
国家自然科学基金项目(D0405)
云南省自然科学基金项目(2009ZC048M)
-
文摘
针对主成分分析(PCA)求解高阶矩阵计算量很大和模块二维主成分分析(M2DPCA)特征数量仍然较大且有一定的相关性的问题,提出了融合模块2DPCA与PCA的方法进行人脸识别.该方法先通过M2DPCA对子图像进行特征提取,然后把每个图像中的子图像按分块的顺序重新组成新的矩阵,再对新的矩阵进行PCA.在ORL人脸库中实验,结果表明,该算法在一定程度上去除了特征参数间的相关性并大大减少了特征维数.
-
关键词
模块二维主成分分析
主成分分析
特征提取
人脸识别
-
Keywords
modular two-dimensional principle component analysis（M2DPCA）
principal component anal-ysis （PCA）
feature extraction
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的模块2DPCA人脸识别新方法
被引量：11
- 4
-
-
作者
李晓东
费树岷
-
机构
东南大学自动化学院 复杂工程系统测量与控制教育部重点实验室
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第15期4672-4675,共4页
-
基金
国家自然科学基金(60574006)
-
文摘
提出了一种改进的模块2DPCA方法,即基于类内平均脸的分块2DPCA算法。该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块进行规范化处理,然后由所有规范化后的子块构成总体散布矩阵,从而得到最优投影矩阵;由训练集的全体子块的平均值对训练样本的子块和测试样本的子块进行规范化后投影到最优投影矩阵,得到识别特征;最后用最近距离分类器分类。在ORL人脸库上的实验结果表明,提出的方法在识别性能上明显优于2DPCA方法和普通模块2DPCA方法。
-
关键词
二维主成分分析
类内平均脸
模块化二维主成分分析
特征矩阵
人脸识别
-
Keywords
two-dimensional principal component analysis
within-class average face
modular two-dimensional principal component analysis
feature matrix
face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于小波变换和多特征融合算法的人脸识别
被引量：4
- 5
-
-
作者
关学忠
王文锋
张新城
尹廷武
张璐
-
机构
东北石油大学电气信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第12期201-204,共4页
-
文摘
提出了基于小波变换和多特征融合算法的人脸识别方法。该方法先对原始人脸图像进行简单加权小波变换以降低维数,施行改进的模块二维主成分分析(M2DPCA)抽取特征,再进行加权最大散度差鉴别分析(WMSD)得到最终的特征图像,采用最近邻分类器对人脸分类识别。该方法不仅利用了人脸图像的局部特征和类别信息,而且避免了矩阵的奇异值分解可能遇到的问题。在ORL人脸库上实验,以验证该方法的有效性。
-
关键词
简单加权小波变换
模块二维主成分分析(M2DPCA)
加权最大散度差鉴别分析(WMSD)
-
Keywords
weight wavelet transform
Modular 2 Dimensional Principal Component Analysis(M2DPCA)
Weight Maximum Scatter Difference discriminate analysis(WMSD)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名M2DPCA与CCLDA相结合的人脸识别
- 6
-
-
作者
冯华丽
刘渊
-
机构
无锡商业职业技术学院教育信息化中心
江南大学数字媒体学院
-
出处
《计算机工程与应用》
CSCD
2014年第12期129-132,143,共5页
-
基金
国家自然科学基金(No.60975027)
-
文摘
CCLDA算法将图像矩阵转化为向量进行处理,该算法易造成数据维数很大,计算量复杂并容易出现"小样本"等问题。针对以上这些问题,提出了一种基于模块化2DPCA和CCLDA相结合的协同处理方法并应用于人脸识别领域。并且在ORL和XM2VTS人脸库上的实验结果表明,新方法在识别效果上有比以往的算法更为明显的优势。
-
关键词
上下文约束
模块化二维主成分分析(M2DPCA)
基于上下文约束线性判别分析(CCLDA)
人脸识别
-
Keywords
contextual constraints
Modular 2-Dimensional Principal Component Analysis（M2DPCA）
Contextual Con-straints based Linear Discriminant Analysis（CCLDA）
face recognition
-
分类号
TP391
[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
- 7
-
-
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]
-
