电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2006年
10期
1900-1905
,共6页
人脸识别%主分量分析%独立分量分析%小波分解%鲁棒估计
人臉識彆%主分量分析%獨立分量分析%小波分解%魯棒估計
인검식별%주분량분석%독립분량분석%소파분해%로봉고계
鲁棒主分量分析(RPCA)模型在选取幅度参数时,忽略了各变量独有的统计特性.为克服RPCA模型的这一不足,本文提出了通用鲁棒主分量分析(GRPCA)模型,采用M估计器(M-Estimator)为每个变量估计符合其自身统计特性的幅度参数,以提高模型的鲁棒性和通用性,并在此基础上提出了一种集成小波分解、鲁棒估计及独立分量分析的WR-ICA人脸识别算法.WR-ICA对人脸识别中的多种外部干扰(残缺人脸图像、化妆及遮挡等)都表现出很好的鲁棒性.理论分析和实验结果证实了WR-ICA的有效性,采用Cos距离作相似性度量时,WR-ICA的平均识别率达到99.44%.
魯棒主分量分析(RPCA)模型在選取幅度參數時,忽略瞭各變量獨有的統計特性.為剋服RPCA模型的這一不足,本文提齣瞭通用魯棒主分量分析(GRPCA)模型,採用M估計器(M-Estimator)為每箇變量估計符閤其自身統計特性的幅度參數,以提高模型的魯棒性和通用性,併在此基礎上提齣瞭一種集成小波分解、魯棒估計及獨立分量分析的WR-ICA人臉識彆算法.WR-ICA對人臉識彆中的多種外部榦擾(殘缺人臉圖像、化妝及遮擋等)都錶現齣很好的魯棒性.理論分析和實驗結果證實瞭WR-ICA的有效性,採用Cos距離作相似性度量時,WR-ICA的平均識彆率達到99.44%.
로봉주분량분석(RPCA)모형재선취폭도삼수시,홀략료각변량독유적통계특성.위극복RPCA모형적저일불족,본문제출료통용로봉주분량분석(GRPCA)모형,채용M고계기(M-Estimator)위매개변량고계부합기자신통계특성적폭도삼수,이제고모형적로봉성화통용성,병재차기출상제출료일충집성소파분해、로봉고계급독립분량분석적WR-ICA인검식별산법.WR-ICA대인검식별중적다충외부간우(잔결인검도상、화장급차당등)도표현출흔호적로봉성.이론분석화실험결과증실료WR-ICA적유효성,채용Cos거리작상사성도량시,WR-ICA적평균식별솔체도99.44%.
