计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2006年
3期
155-159
,共5页
陈伏兵%谢永华%严云洋%杨静宇
陳伏兵%謝永華%嚴雲洋%楊靜宇
진복병%사영화%엄운양%양정우
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
線性鑒彆分析%主成分分析%特徵抽取%分塊主成分分析%人臉識彆
선성감별분석%주성분분석%특정추취%분괴주성분분석%인검식별
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%.
基于主成分分析(Principal Component Analysis,PCA),本文提齣瞭分塊PCA人臉識彆方法.分塊PCA從模式的原始數字圖像齣髮,先對圖像進行分塊,對分塊得到的子圖像矩陣採用PCA方法進行特徵抽取,從而實現模式的分類.新方法的特點是能有效地抽取圖像的跼部特徵,正是這些特徵使此類模式區彆于彼類.在Yale人臉數據庫上測試瞭該方法的鑒彆能力.實驗的結果錶明,分塊PCA在識彆性能上優于通常的PCA方法,也優于基于Fisher鑒彆準則的鑒彆分析方法:Fisherfaces方法、F-S方法、組閤鑒彆方法,識彆率可以達到100%.
기우주성분분석(Principal Component Analysis,PCA),본문제출료분괴PCA인검식별방법.분괴PCA종모식적원시수자도상출발,선대도상진행분괴,대분괴득도적자도상구진채용PCA방법진행특정추취,종이실현모식적분류.신방법적특점시능유효지추취도상적국부특정,정시저사특정사차류모식구별우피류.재Yale인검수거고상측시료해방법적감별능력.실험적결과표명,분괴PCA재식별성능상우우통상적PCA방법,야우우기우Fisher감별준칙적감별분석방법:Fisherfaces방법、F-S방법、조합감별방법,식별솔가이체도100%.
