一种基于人脸垂直对称性的变形2DPCA算法

被引：4

作者：

曾岳 ^{[1
,2
]}

冯大政 ^{[1
]}

机构：

[1] 西安电子科技大学雷达信号国家重点研究所

[2] 江西财经职业学院信息工程系

来源：

计算机工程与科学 | 2011年 / 33卷 / 07期

关键词：

主成分分析法(PCA); 二维主成分分析法(2DPCA); 人脸识别; 人脸表示;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

本文分析了人脸的对称性和主成分分析法(PCA)、二维主成分分析法(2DPCA)的特性,证明了2DPCA协方差矩阵就是PCA协方差矩阵的主角线的平均值,同时表明2DPCA减少了对人脸识别有用的协方差信息。提出了一种基于人脸垂直对称性的变形2DPCA算法(S2DPCA),该算法最大程度地利用了协方差鉴别信息,用更少的系数表示一张人脸图像。通过在ORL的实验比较表明,该算法与PCA算法相比降低了计算复杂性,与2DPCA方法和PCA方法相比提高了人脸识别率,在识别率方面优于传统算法(PCA(Eigenfaces)、ICA、Kernel Eigenfaces),同时也压缩了人脸的存储空间。

引用

页码：74 / 79

页数：6

共 6 条

[1] Generalized Low Rank Approximations of Matrices [J].

Jieping Ye .

Machine Learning, 2005, 61 :167-191

[2]

( 2 D ) 2 PCA : Two-directional two-dimensional PCA for efficient face representation and recognition[J] . Daoqiang Zhang,Zhi-Hua Zhou.Neurocomputing . 2005

[3]

Generalized 2D principal component analysis for face image representation and recognition[J] . Hui Kong,Lei Wang,Eam Khwang Teoh,Xuchun Li,Jian-Gang Wang,Ronda Venkateswarlu.Neural Networks . 2005 (5)

[4] Face representation using independent component analysis [J].

Yuen, PC ;

Lai, JH .

PATTERN RECOGNITION, 2002, 35 (06) :1247-1257

[5] Theoretical analysis of illumination in PCA-based vision systems [J].

Zhao, L ;

Yang, YH .

PATTERN RECOGNITION, 1999, 32 (04) :547-564

[6] EIGENFACES FOR RECOGNITION [J].

TURK, M ;

PENTLAND, A .

JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) :71-86

← 1 →