-
题名分块PCA与最大散度差鉴别分析结合的人脸识别
被引量：1
- 1
-
-
作者
崔美琳
陈才扣
-
机构
扬州大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第34期155-157,162,共4页
-
基金
江苏省高校自然科学基金(No.05KJB520152
No.07KJB520133)
-
文摘
提出了一种将分块PCA与最大散度差鉴别分析相结合的人脸识别方法。该方法是先对原始的人脸图像进行分块,然后对分块得到的子图像矩阵采用PCA方法进行特征抽取,从而把原始模式从高维空间映射到较低维空间。接下来再对新模式采用最大散度差线性鉴别分析,这样就避免了对新模式的类内散布矩阵非奇异的要求。在ORL人脸库和Yale人脸库上分别检验了分块PCA与最大散度差鉴别分析相结合的人脸识别方法的识别性能,实验结果表明该方法抽取的鉴别特征有较强的鉴别能力。
-
关键词
分块PCA
最大散度差鉴别分析
人脸识别
-
Keywords
modular PCA
Maximum Scatter Difference Discriminate Analysis（MSDDA）
face recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分块局部二元模式的鉴别特征抽取方法及人脸识别
- 2
-
-
作者
崔美琳
陈才扣
-
机构
扬州大学信息科学与工程学院
-
出处
《江南大学学报（自然科学版）》
CAS
2009年第6期657-660,共4页
-
基金
国家自然科学基金项目(60875004)
江苏省高校自然科学基础研究项目(07KJB520133)
-
文摘
提出了一种基于分块局部二元模式(LBP)的鉴别特征抽取方法。该方法对人脸图像进行分块,再对分块后的子图像矩阵采用LBP算子抽取LBP特征。由于LBP是利用一串二进制码表征较小图像块的局部纹理,这有助于提高人脸识别的性能。采用主分量分析(PCA)方法对由所有分块后子图像的LBP特征向量构成的新训练集进行维度缩减,最后以Fisher线性鉴别分析(LDA)对缩减后的PCA特征进行鉴别特征提取。在ORL人脸库和YALE人脸库上的实验结果表明,该方法优于传统的PCA和LDA方法。
-
关键词
局部二元模式
分块主分量分析
线性鉴别分析
人脸识别
-
Keywords
LBP, modular PCA, linear discriminant analysis, face recognition
-
分类号
O235
[理学—运筹学与控制论]
-
