-
题名基于改进的二维线性判别分析的人脸识别
被引量:1
- 1
-
-
作者
叶延亮
徐正光
-
机构
北京科技大学
-
出处
《微计算机信息》
北大核心
2008年第19期254-255,226,共3页
-
文摘
本文提出一种新的特征提取方法,人脸图像在2DPCA投影的基础上进行B2DLDA投影提取出人脸特征。这种方法克服了传统PCA和LDA方法的小样本问题和维数灾难问题,并且充分利用了二维人脸图像矩阵空间结构信息,大幅度降低了人脸特征维数。实验证明这种方法的识别率比传统的PCA和2DPCA方法高,识别时间和训练时间比传统的PCA和2DPCA方法少。
-
关键词
2DPCA
b2dlda
2DPCA+b2dlda
-
Keywords
2DPCA
b2dlda
2DPCA+b2dlda
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的双向二维线性判别分析的人脸识别
- 2
-
-
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]
-