分块二维主成分分析鉴别特征抽取能力研究

被引：2

作者：

陈伏兵 ^{[1
]}

韦相和 ^{[1
]}

严云洋 ^{[2
]}

杨静宇 ^{[2
]}

机构：

[1] 淮阴师范学院计算机科学系

[2] 南京理工大学计算机科学系

来源：

计算机工程与应用 | 2006年 / 27期

关键词：

线性鉴别分析; 特征抽取; 二维主成分分析; 分块二维主成分分析; 人脸识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

基于二维主成分分析(2DPCA),文章提出了分块二维主成分分析(M2DPCA)人脸识别方法。M2DPCA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2DPCA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ORL人脸数据库上测试了该方法的鉴别能力。实验的结果表明,M2DPCA在鉴别性能上优于通常的2DPCA和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方法和J-Y方法。

引用

页码：69 / 72+75 +75

页数：5

共 5 条

[1] Fisher线性鉴别分析的理论研究及其应用 [J].