基于自适应加权Fisherface算法的人脸识别

被引：6

作者：

尹洪涛

付平

孟升卫

机构：

[1] 哈尔滨工业大学自动化测试与控制系

来源：

光电子·激光 | 2006年 / 11期

关键词：

人脸识别; 线性判别分析; 小样本问题; 特征提取;

D O I：

10.16136/j.joel.2006.11.030

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve(K-L)变换降维,在降维的子空间内,根据样本与同类样本间的距离赋予该样本一权值,再用加权后的样本求取类均值,以新的类均值重建类内散布矩阵和类间散布矩阵,从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明,该算法优于传统的主成分分析(PCA)方法和Fisherface方法,并能有效解决小样本情况下训练样本类均值偏离类中心的问题。

引用

页码：1405 / 1408

页数：4

共 7 条

[1]

Classified e-lastic matching face recognition algorithm used in largedatabase. DING Rong,DAI Qiong-hua,XU Wei-li,et al. Journal of Optoelectronics.Laser . 2004

[2]

Eigenface for recognition. Turk M,Pentland A. Journalof Cognitive Neuroscience . 1991

[3]

PatternClassification. Richard O Duda,Peter E Hard,David G Stork. . 2003

[4]

Eigenfacesvs. Belhumeur P N,Hespanha J P,Kriengman D J. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1997

[5]

Improvedline segment hausdorff distance for face recognition. DU Cheng,SU Guang-da,LIN Xing-gang,et al. Journal of Optoelectronics.Laser . 2005

[6]

Using discrimiant eigenfea-tures for image retrieval. Daniel L Swets,John Weng. IEEE Trans Pattern AnalMachine Intell . 1996

[7]

Studies on human face im-aging properties and the goals of face normalization. ZHANG Bai-xing,SU Guang-da. Journal of Optoelectronics.Laser . 2003

← 1 →