-
题名一种M2DPCA和NSA相结合的人脸识别方法
被引量:1
- 1
-
-
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]
-
-
题名M2DPCA与CCLDA相结合的人脸识别
- 2
-
-
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]
-
-
题名基于小波变换和多特征融合算法的人脸识别
被引量:4
- 3
-
-
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]
-