计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2010年
11期
2550-2553
,共4页
分块%独立分量分析(ICA)%主分量分析(PCA)%局部特征%特征提取%人脸识别
分塊%獨立分量分析(ICA)%主分量分析(PCA)%跼部特徵%特徵提取%人臉識彆
분괴%독립분량분석(ICA)%주분량분석(PCA)%국부특정%특정제취%인검식별
提出了一种基于局部人脸图像独立分量分析的特征提取方法.该方法将人脸图像分成若干个相等的部分,将分成的局部人脸图像矩阵作为训练样本,并先后从水平方向,垂直方向提取训练样本的独立分量.相较于传统的独立分量分析(ICA)方法,该方法具有如下优点:有效解决了传统ICA在进行特征抽取过程中的高维小样本问题;将局部人脸图像作为训练样本,这不仅增加了训练样本数,而且有利于提取人脸局部特征;依次从训练样本的水平方向、垂直方向提取训练样本特征,使得提取的特征不仅维数更小,而且能更有效地反映样本的局部信息.以上优点使得提出的算法较传统方法在人脸识别方面更稳定,识别率更高,在Yale人脸库和AR人脸库上验证了该算法的有效性.
提齣瞭一種基于跼部人臉圖像獨立分量分析的特徵提取方法.該方法將人臉圖像分成若榦箇相等的部分,將分成的跼部人臉圖像矩陣作為訓練樣本,併先後從水平方嚮,垂直方嚮提取訓練樣本的獨立分量.相較于傳統的獨立分量分析(ICA)方法,該方法具有如下優點:有效解決瞭傳統ICA在進行特徵抽取過程中的高維小樣本問題;將跼部人臉圖像作為訓練樣本,這不僅增加瞭訓練樣本數,而且有利于提取人臉跼部特徵;依次從訓練樣本的水平方嚮、垂直方嚮提取訓練樣本特徵,使得提取的特徵不僅維數更小,而且能更有效地反映樣本的跼部信息.以上優點使得提齣的算法較傳統方法在人臉識彆方麵更穩定,識彆率更高,在Yale人臉庫和AR人臉庫上驗證瞭該算法的有效性.
제출료일충기우국부인검도상독립분량분석적특정제취방법.해방법장인검도상분성약간개상등적부분,장분성적국부인검도상구진작위훈련양본,병선후종수평방향,수직방향제취훈련양본적독립분량.상교우전통적독립분량분석(ICA)방법,해방법구유여하우점:유효해결료전통ICA재진행특정추취과정중적고유소양본문제;장국부인검도상작위훈련양본,저불부증가료훈련양본수,이차유리우제취인검국부특정;의차종훈련양본적수평방향、수직방향제취훈련양본특정,사득제취적특정불부유수경소,이차능경유효지반영양본적국부신식.이상우점사득제출적산법교전통방법재인검식별방면경은정,식별솔경고,재Yale인검고화AR인검고상험증료해산법적유효성.
