期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种模块化2DPCA和CSLDA相结合的人脸验证算法 被引量:6
1
作者 袁宁 吴小俊 +2 位作者 王士同 杨静宇 Josef Kittler 《计算机研究与发展》 EI CSCD 北大核心 2008年第6期1029-1035,共7页
在CSLDA方法的基础上进行改进,和模块化2DPCA相结合,提出了一种模块化2DPCA+CSLDA的人脸验证方法.CSLDA将图像矩阵转化为向量进行处理,数据维数很大,计算复杂,对图像整体处理没有考虑到图像的局部特征.针对这些缺点,新方法从原始数据出... 在CSLDA方法的基础上进行改进,和模块化2DPCA相结合,提出了一种模块化2DPCA+CSLDA的人脸验证方法.CSLDA将图像矩阵转化为向量进行处理,数据维数很大,计算复杂,对图像整体处理没有考虑到图像的局部特征.针对这些缺点,新方法从原始数据出发,对二维数据进行分块后采用2DPCA进行特征抽取,能有效抽取图像的局部特征,得到替代原始图像的低维的新模式.然后对新模式施行CSLDA,即基于客户相关子空间的线性判别分析方法,不仅考虑到类内、类间的差异,弥补了PCA的缺陷;而且客户相关(CS)子空间可以较好地描述不同个体人脸之间的差异性,比传统的个体特征脸具有更好的判别能力.在XM2VTS人脸库上按照Lausanne协议和ORL库上对原CSLDA和新方法进行评价和测试的结果表明,新方法在验证效果上优于CSLDA方法. 展开更多
关键词 CSLDA 模块化2dpca 线性判别分析 特征抽取 客户相关 人脸验证
在线阅读 下载PDF
基于模块化2DPCA和CSKDA的人脸验证
2
作者 袁宁 吴小俊 +2 位作者 王士同 杨静宇 Josef Kittler 《计算机工程》 CAS CSCD 北大核心 2009年第7期172-174,205,共4页
针对客户相关的核判别分析(CSKDA)对图像列向量进行处理数据维数大、计算复杂,对图像整体处理没有考虑到局部特征等缺点,提出M2DPCA和CSKDA结合的方法。新方法对二维数据进行分块后采用2DPCA抽取局部特征,施行CSKDA,不仅考虑了类内、类... 针对客户相关的核判别分析(CSKDA)对图像列向量进行处理数据维数大、计算复杂,对图像整体处理没有考虑到局部特征等缺点,提出M2DPCA和CSKDA结合的方法。新方法对二维数据进行分块后采用2DPCA抽取局部特征,施行CSKDA,不仅考虑了类内、类间的差异,而且可以较好地描述不同个体人脸间的差异性。在XM2VTS和ORL人脸库上的实验结果表明,该方法在验证效果上优于CSKDA方法。 展开更多
关键词 客户相关的核判别分析 模块化2dpca 特征抽取 人脸验证
在线阅读 下载PDF
M2DPCA与CCLDA相结合的人脸识别
3
作者 冯华丽 刘渊 《计算机工程与应用》 CSCD 2014年第12期129-132,143,共5页
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XM2VT... 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。 展开更多
关键词 上下文约束 模块二维主成分分析(M2dpca) 基于上下文约束线性判别分析(CCLDA) 人脸识别
在线阅读 下载PDF
一种M2DPCA和NSA相结合的人脸识别方法 被引量:1
4
作者 戴飞 陈秀宏 《计算机工程与应用》 CSCD 2012年第5期174-176,共3页
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... 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。 展开更多
关键词 模块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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部