分块PCA鉴别特征抽取能力的分析研究

被引:16
作者
陈伏兵 [1 ]
谢永华 [2 ]
严云洋 [2 ]
杨静宇 [2 ]
机构
[1] 淮阴师范学院数学系
[2] 南京理工大学计算机科学系
关键词
线性鉴别分析; 主成分分析; 特征抽取; 分块主成分分析; 人脸识别;
D O I
暂无
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
基于主成分分析(Principal Component Analysis,PCA),本文提出了分块 PCA 人脸识别方法。分块 PCA 从模式的原始数字图像出发,先对图像进行分块,对分块得到的子图像矩阵采用 PCA 方法进行特征抽取,从而实现模式的分类。新方法的特点是能有效地抽取图像的局部特征,正是这些特征使此类模式区别于彼类。在 Yale 人脸数据库上测试了该方法的鉴别能力。实验的结果表明,分块 PCA 在识别性能上优于通常的 PCA 方法,也优于基于 Fisher 鉴别准则的鉴别分析方法:Fisherfaces 方法、F-S 方法、组合鉴别方法,识别率可以达到100%。
引用
收藏
页码:155 / 159
页数:5
相关论文
共 2 条
  • [1] Fisher线性鉴别分析的理论研究及其应用
    杨健
    杨静宇
    叶晖
    [J]. 自动化学报, 2003, (04) : 481 - 493
  • [2] 徐勇.几种线性与非线性特征抽取方法及人脸识别应用[D].南京理工大学,2004