基于PCA和LDA结合的人脸识别方法的比较研究

被引：5

作者：

粟秀尹

曾庆宁

王晓燕

机构：

[1] 桂林电子科技大学信息与通信学院电子信息工程系

来源：

计算机工程与设计 | 2012年 / 33卷 / 09期

关键词：

主分量分析; 线性判别分析; 分类效果; 分类时间;

D O I：

10.16208/j.issn1000-7024.2012.09.045

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对用于人脸识别的主分量分析(PCA)计算量大、识别效果不佳和分类时间长,线性判别分析(LDA)存在小样本问题,比较研究几种基于PCA和LDA的人脸识别方法,这些方法包括PCA+LDA、2DPCA+DLDA和2DPCA+2DLDA。在理论和实验上比较研究这些方法,且在ORL和Yale人脸库的实验数据表明,结合后的方法比结合前的方法分类效果好,分类时间短,且在这几种方法中,2DPCA+2DLDA的效果最佳。

引用

页码：3574 / 3578

页数：5

共 13 条

[1] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[2] 2D-LDA: a statistical linear discriminant analysis for image matrix. M Li,B Yuan. Pattern Recognition Letters . 2005
[3] Face Recognition based on 2D fisherface approach. XiaoYuan Jing,Hausan Wong,David Zhang. Pattern Recognition . 2006
[4] A linear discriminant analysis framework based on random subspace for face recognition. X. X .Zhang,Y .D. Jia. Pattern Recognition . 2007
[5] Adaptively weighted sub-pattern PCA for face recognition[J] . Keren Tan,Songcan Chen. &nbspNeurocomputing . 2005
[6] Two-di-mensional linear discriminant analysis of principle componentvectors for face recognition. Sanguansat P,Adornwised W,Jitapunkul S,et al. . 2006
[7] 基于LDA算法的人脸识别方法的比较研究
韩争胜
李映
张艳宁
[J]. 微电子学与计算机, 2005, (07) : 131 - 133+138
[8] Adaptively weighted sub-pattern PCA for face recognition. K. Tan,S. Chen. Neural Computing and Applications . 2005
[9] 基于DCT融合2DPCA与DLDA的人脸识别
张君昌
苏迎春
徐振华
[J]. 计算机仿真, 2009, 26 (08) : 192 - 194+203
[10] 一种双向压缩的二维特征抽取算法及其应用
张生亮
谢永华
杨静宇
[J]. 计算机应用研究, 2006, (05) : 63 - 64+66

← 1 2 →