红外与激光工程
紅外與激光工程
홍외여격광공정
INFRARED AND LASER ENGINEERING
2012年
11期
3118-3122
,共5页
特征提取与识别%分块小波变换%二维主成分分析(2DPCA)%支持向量机
特徵提取與識彆%分塊小波變換%二維主成分分析(2DPCA)%支持嚮量機
특정제취여식별%분괴소파변환%이유주성분분석(2DPCA)%지지향량궤
从最优化的角度出发,提出了一种基于分块小波变换和二维主成分分析法(2DPCA)的人脸特征提取与识别算法.该方法首先对人脸图像进行分块小波变换,并对各分块的高、低频分量进行组合处理,然后对小波系数特征应用2DPCA方法进行变换并将分块特征进行融合得到人脸鉴别特征,最后在ORL人脸库上应用支持向量机(SVM)对该特征进行分类识别.试验结果表明,该算法能有效地提高人脸识别性能,具有较短的识别时间和较高的识别准确率,优于传统的人脸识别方法.
從最優化的角度齣髮,提齣瞭一種基于分塊小波變換和二維主成分分析法(2DPCA)的人臉特徵提取與識彆算法.該方法首先對人臉圖像進行分塊小波變換,併對各分塊的高、低頻分量進行組閤處理,然後對小波繫數特徵應用2DPCA方法進行變換併將分塊特徵進行融閤得到人臉鑒彆特徵,最後在ORL人臉庫上應用支持嚮量機(SVM)對該特徵進行分類識彆.試驗結果錶明,該算法能有效地提高人臉識彆性能,具有較短的識彆時間和較高的識彆準確率,優于傳統的人臉識彆方法.
종최우화적각도출발,제출료일충기우분괴소파변환화이유주성분분석법(2DPCA)적인검특정제취여식별산법.해방법수선대인검도상진행분괴소파변환,병대각분괴적고、저빈분량진행조합처리,연후대소파계수특정응용2DPCA방법진행변환병장분괴특정진행융합득도인검감별특정,최후재ORL인검고상응용지지향량궤(SVM)대해특정진행분류식별.시험결과표명,해산법능유효지제고인검식별성능,구유교단적식별시간화교고적식별준학솔,우우전통적인검식별방법.
