计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2007年
8期
1889-1892,1913
,共5页
主成分分析%特征抽取%分块PCA%特征矩阵%人脸识别
主成分分析%特徵抽取%分塊PCA%特徵矩陣%人臉識彆
주성분분석%특정추취%분괴PCA%특정구진%인검식별
主成分分析(principal component analysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域.基于PCA,提出了分块PCA的人脸识别方法.分块PCA方法先对图像进行分块,对分块得到的子图像利用PCA进行鉴别分析.其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出.与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便.此外,PCA是分块PCA的特例.在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4.4个百分点.
主成分分析(principal component analysis,PCA)是公認的特徵抽取的最為重要的工具之一,目前仍然被廣汎地應用在人臉等圖像識彆領域.基于PCA,提齣瞭分塊PCA的人臉識彆方法.分塊PCA方法先對圖像進行分塊,對分塊得到的子圖像利用PCA進行鑒彆分析.其特點是能有效地抽取圖像的跼部特徵,對人臉錶情和光照條件變化較大的圖像錶現尤為突齣.與PCA方法相比,由于使用子圖像矩陣,分塊PCA可以避免使用奇異值分解理論,過程簡便.此外,PCA是分塊PCA的特例.在Yale和NUST603人臉庫上的試驗結果錶明,所提齣的方法在識彆性能上明顯優于經典的PCA方法,識彆率可以分彆提高6.7和4.4箇百分點.
주성분분석(principal component analysis,PCA)시공인적특정추취적최위중요적공구지일,목전잉연피엄범지응용재인검등도상식별영역.기우PCA,제출료분괴PCA적인검식별방법.분괴PCA방법선대도상진행분괴,대분괴득도적자도상이용PCA진행감별분석.기특점시능유효지추취도상적국부특정,대인검표정화광조조건변화교대적도상표현우위돌출.여PCA방법상비,유우사용자도상구진,분괴PCA가이피면사용기이치분해이론,과정간편.차외,PCA시분괴PCA적특례.재Yale화NUST603인검고상적시험결과표명,소제출적방법재식별성능상명현우우경전적PCA방법,식별솔가이분별제고6.7화4.4개백분점.
