电脑知识与技术
電腦知識與技術
전뇌지식여기술
COMPUTER KNOWLEDGE AND TECHNOLOGY
2009年
28期
8023-8025
,共3页
纹理%性别分类%主成分分析%局部二元模式%支持向量机
紋理%性彆分類%主成分分析%跼部二元模式%支持嚮量機
문리%성별분류%주성분분석%국부이원모식%지지향량궤
主成分分析方法(PCA)和局部二元模式算子(LBP)相融合的特征提取方法结合了PCA在提取全局特征方面的优势和LBP在提取局部纹理细节方面的优势,能够从人脸图像中提取出较好的用于支持向量机(SVM)进行人脸性别识别分类的特征.在提取图像的LBP特征时,对传统的LBP方法做了改进,采用级联的方法提取图像的LBP直方图特征.并将提取出来的LBP特征与PCA特征相结合用于SVM,实验结果表明,LBP和PCA相融合的特征较单独的PCA特征和LBP特征在性别识别上具有明显的优势.
主成分分析方法(PCA)和跼部二元模式算子(LBP)相融閤的特徵提取方法結閤瞭PCA在提取全跼特徵方麵的優勢和LBP在提取跼部紋理細節方麵的優勢,能夠從人臉圖像中提取齣較好的用于支持嚮量機(SVM)進行人臉性彆識彆分類的特徵.在提取圖像的LBP特徵時,對傳統的LBP方法做瞭改進,採用級聯的方法提取圖像的LBP直方圖特徵.併將提取齣來的LBP特徵與PCA特徵相結閤用于SVM,實驗結果錶明,LBP和PCA相融閤的特徵較單獨的PCA特徵和LBP特徵在性彆識彆上具有明顯的優勢.
주성분분석방법(PCA)화국부이원모식산자(LBP)상융합적특정제취방법결합료PCA재제취전국특정방면적우세화LBP재제취국부문리세절방면적우세,능구종인검도상중제취출교호적용우지지향량궤(SVM)진행인검성별식별분류적특정.재제취도상적LBP특정시,대전통적LBP방법주료개진,채용급련적방법제취도상적LBP직방도특정.병장제취출래적LBP특정여PCA특정상결합용우SVM,실험결과표명,LBP화PCA상융합적특정교단독적PCA특정화LBP특정재성별식별상구유명현적우세.
