浙江大学学报(工学版)
浙江大學學報(工學版)
절강대학학보(공학판)
JOURNAL OF ZHEJIANG UNIVERSITY (ENGINEERING SCIENCE)
2008年
4期
590-592,617
,共4页
反对称双正交小波%支持向量机%线性鉴别分析%主成分分析%多尺度梯度角%非负矩阵分解
反對稱雙正交小波%支持嚮量機%線性鑒彆分析%主成分分析%多呎度梯度角%非負矩陣分解
반대칭쌍정교소파%지지향량궤%선성감별분석%주성분분석%다척도제도각%비부구진분해
为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.
為瞭提高人臉識彆算法性能,提齣瞭一種多呎度梯度角(MSGA)和支持嚮量機(SVM)相結閤的新的正麵人臉識彆方法.分析瞭梯度角對光照的不敏感特性和反對稱雙正交小波(ASBW)的導數特性.穫取多呎度梯度角特徵,併利用其所具有的降譟能力和有效降低錶情變化、光照變化等因素引起的影響,使算法具備較彊的魯棒性.採用瞭分類性能優越的支持嚮量機技術,提高瞭汎化能力.併在Yale人臉數據庫上與歸一化原始數據、小波處理後數據進行瞭倣真比較,實驗數據顯示,不論使用主分量分析(PCA)還是線性鑒彆分析(LDA)降維,在相同的維數條件下,新方法的識彆性能都優于其他方法.
위료제고인검식별산법성능,제출료일충다척도제도각(MSGA)화지지향량궤(SVM)상결합적신적정면인검식별방법.분석료제도각대광조적불민감특성화반대칭쌍정교소파(ASBW)적도수특성.획취다척도제도각특정,병이용기소구유적강조능력화유효강저표정변화、광조변화등인소인기적영향,사산법구비교강적로봉성.채용료분류성능우월적지지향량궤기술,제고료범화능력.병재Yale인검수거고상여귀일화원시수거、소파처리후수거진행료방진비교,실험수거현시,불론사용주분량분석(PCA)환시선성감별분석(LDA)강유,재상동적유수조건하,신방법적식별성능도우우기타방법.
