一种基于双向2DLDA特征融合的人脸识别方法

在分析2DLDA方法的基础上,给出类间离散度和类内离散度矩阵另一种形式的定义。基于这种类间离散度和类内离散度矩阵定义的二维线性判别分析方法即为扩展2DLDA方法。通过对2DLDA方法和扩展2DLDA方法提取的人脸图像特征分析可知,2DLDA提取的主要是人脸图像水平方向上的判别信息,扩展2DLDA提取的主要是人脸图像垂直方向上的判别信息。因此,称2DLDA为水平方向2DLDA,扩展2DLDA为垂直方向2DLDA。水平和垂直方向2DLDA将同一原始人脸图像映射到两个不同的特征空间,并得到互补的两类人脸图像特征。最后,设计一种特征融合方法,对这两类人脸图像特征进行融合,并将其用于人脸识别。在ORL和Yale人脸数据库上的实验结果证明,本文提出的人脸识别方法具有较高的平均识别率,鲁棒性更好。

基于局部二元模式和重采样双向2DLDA的人脸识别算法

针对人脸识别中存在的小样本问题及光照变化、表情变化等导致的识别问题,提出一种基于局部二元模式和重采样双向2DLDA的人脸识别算法LBP-RB2DLDA.AR人脸库的实验结果表明,该算法具有较高的识别率和鲁棒性.

采用双向改进模糊2DLDA算法提升多因素影响的局部放电识别可靠性

缺陷尺寸、施加电压、绝缘老化等多因素会引起局部放电特征的分散、交叉,并对变压器局部放电的识别可靠性产生较大影响。为了解决上述问题,本文提出了一种双向改进模糊2DLDA(TD-MF2DLDA)算法,提取局部放电(PD)灰度图像特征以提升局部放电的识别可靠性。首先,提出了一种改进模糊2DLDA(MF2DLDA)算法,并引入双向压缩策略,构建了局部放电灰度图像压缩的TD-MF2DLDA算法。最后,采用模糊C均值聚类算法对TD-MF2DLDA特征和其他特征进行了对比分析。对实验室局部放电样本的识别结果表明,当存在绝缘老化等多因素影响时,TD-MF2DLDA算法可以取得92.84%的聚类正确率,较NMF-PCA特征和传统局部放电PRPD特征的77.80%和71.12%具有明显的提高,能够有效避免缺陷尺寸、施加电压、绝缘老化等因素导致的局部放电特征分散、相互交叉等问题,提高了局部放电识别的可靠性。同时,FCM聚类指标XBI表明TD-MF2DLDA特征较NMF-PCA特征和PRPD特征具有更好的类内紧凑性和类间可分性,更适合现场应用。