一种基于加权变形的2DPCA的人脸特征提取方法

被引：23

作者：

曾岳

冯大政

机构：

[1] 西安电子科技大学计算机学院

来源：

电子与信息学报 | 2011年 / 33卷 / 04期

关键词：

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

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

该文首先分析了主成分分析法(PCA)和2维主成分分析法(2DPCA)的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法(WV2DPCA),该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明:与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。

引用

页码：769 / 774

页数：6

共 6 条

[1]

Multilinear principal component analysis for face recognition with fewer features[J] . Jin Wang,Armando Barreto,Lu Wang,Yu Chen,Naphtali Rishe,Jean Andrian,Malek Adjouadi.Neurocomputing . 2010 (10)

[2]

Fusion (2D) 2 PCALDA: A new method for face recognition[J] . Guohong Huang.Applied Mathematics and Computation . 2010 (11)

[3] Block-wise 2D kernel PCA/LDA for face recognition [J].