中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2007年
4期
666-672
,共7页
谢永华%陈伏兵%张生亮%杨静宇
謝永華%陳伏兵%張生亮%楊靜宇
사영화%진복병%장생량%양정우
小波变换%核主成分分析%分块人脸%特征抽取%支持向量机
小波變換%覈主成分分析%分塊人臉%特徵抽取%支持嚮量機
소파변환%핵주성분분석%분괴인검%특정추취%지지향량궤
鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法.该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别.通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性.
鑒于小波多呎度變換對高維圖像特徵具有良好的壓縮和錶達能力,提齣瞭一種融閤小波變換與KPCA(覈主成分分析)方法的分塊人臉特徵抽取與識彆算法.該算法首先對人臉圖像進行分塊小波變換,再根據圖像塊的位置分佈選取不同的頻率分量;然後對此分量進行KPCA特徵抽取,併通過對抽取到的特徵進行融閤來得到最終人臉鑒彆特徵;最後利用支持嚮量機分類器進行特徵分類與識彆.通過對ORL和Yale標準人臉圖像庫的實驗倣真結果錶明,該算法不僅在識彆性能和分類速度上明顯高于傳統的PCA方法及融閤小波特徵的KPCA方法,而且對于人臉光照、姿態和錶情變化均具有良好的魯棒性.
감우소파다척도변환대고유도상특정구유량호적압축화표체능력,제출료일충융합소파변환여KPCA(핵주성분분석)방법적분괴인검특정추취여식별산법.해산법수선대인검도상진행분괴소파변환,재근거도상괴적위치분포선취불동적빈솔분량;연후대차분량진행KPCA특정추취,병통과대추취도적특정진행융합래득도최종인검감별특정;최후이용지지향량궤분류기진행특정분류여식별.통과대ORL화Yale표준인검도상고적실험방진결과표명,해산법불부재식별성능화분류속도상명현고우전통적PCA방법급융합소파특정적KPCA방법,이차대우인검광조、자태화표정변화균구유량호적로봉성.
