计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
12期
129-132,143
,共5页
上下文约束%模块化二维主成分分析(M2DPCA)%基于上下文约束线性判别分析(CCLDA)%人脸识别
上下文約束%模塊化二維主成分分析(M2DPCA)%基于上下文約束線性判彆分析(CCLDA)%人臉識彆
상하문약속%모괴화이유주성분분석(M2DPCA)%기우상하문약속선성판별분석(CCLDA)%인검식별
contextual constraints%Modular 2-Dimensional Principal Component Analysis(M2DPCA)%Contextual Con-straints based Linear Discriminant Analysis(CCLDA)%face recognition
CCLDA算法将图像矩阵转化为向量进行处理，该算法易造成数据维数很大，计算量复杂并容易出现“小样本”等问题。针对以上这些问题，提出了一种基于模块化2DPCA和CCLDA相结合的协同处理方法并应用于人脸识别领域。并且在ORL和XM2VTS人脸库上的实验结果表明，新方法在识别效果上有比以往的算法更为明显的优势。
CCLDA算法將圖像矩陣轉化為嚮量進行處理，該算法易造成數據維數很大，計算量複雜併容易齣現“小樣本”等問題。針對以上這些問題，提齣瞭一種基于模塊化2DPCA和CCLDA相結閤的協同處理方法併應用于人臉識彆領域。併且在ORL和XM2VTS人臉庫上的實驗結果錶明，新方法在識彆效果上有比以往的算法更為明顯的優勢。
CCLDA산법장도상구진전화위향량진행처리，해산법역조성수거유수흔대，계산량복잡병용역출현“소양본”등문제。침대이상저사문제，제출료일충기우모괴화2DPCA화CCLDA상결합적협동처리방법병응용우인검식별영역。병차재ORL화XM2VTS인검고상적실험결과표명，신방법재식별효과상유비이왕적산법경위명현적우세。
An improved face recognition algorithm is proposed based on the combination of modular 2DPCA and Contex-tual Constraints based Linear Discriminant Analysis(CCLDA)because of the disadvantages of CCLDA. CCLDA first transforms an image matrix to a vector which causes high dimensionality and computational complexity and not considers the local feature. Experimental results obtained on ORL and XM2VTS databases show the effectiveness of the new method.
