非负二维主成分分析及在人脸识别中的应用

被引：20

作者：

严慧

金忠

杨静宇

机构：

[1] 南京理工大学计算机科学与技术学院

来源：

模式识别与人工智能 | 2009年 / 22卷 / 06期

基金：

国家自然科学基金重点项目;

关键词：

非负矩阵分解; 二维主成分分析(2DPCA); 非负二维主成分分析(N2DPCA); 人脸识别;

D O I：

10.16451/j.cnki.issn1003-6059.2009.06.001

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

二维主成分分析是一种基于整体脸的方法,保留人脸部件之间的拓扑关系.而非负矩阵分析是基于局部特征的识别,是通过提取局部信息来实现分类.文中将两种思想的优点融合在一起,提出非负二维主成分分析.该方法改善传统非负矩阵分解只是从矩阵分解的角度考虑,没有加强分类的问题.此外,该方法在矩阵分解之前不需要将图像矩阵转换为图像向量,能快速降低鉴别特征的维数.在ORL和FERET人脸库上的实验结果表明,该方法在识别性能上优于其它方法,且更具有鲁棒性.

引用

页码：809 / 814

页数：6