中南大学学报（自然科学版）
中南大學學報（自然科學版）
중남대학학보（자연과학판）
JOURNAL OF CENTRAL SOUTH UNIVERSITY
2013年
5期
1902-1909
,共8页
杨淑平%易国栋%袁修贵%刘再明
楊淑平%易國棟%袁脩貴%劉再明
양숙평%역국동%원수귀%류재명
分块小波变换%PCA+LDA%KNN%支持向量机%分类器组合
分塊小波變換%PCA+LDA%KNN%支持嚮量機%分類器組閤
분괴소파변환%PCA+LDA%KNN%지지향량궤%분류기조합
提出一种基于分块小波的人脸识别新算法.在充分考虑提取局部特征,又克服小样本问题的基础上,提出分块小波的概念.首先,对小波分解后的低频子图进行分块,提取局部特征,从而降低图像维数并除去冗余噪声；将其先后进行PCA和LDA变换,得到组合特征向量；最后,根据KNN的快速分类能力及SVM在少数类别分类上的优势,提出KNN+SVM融合分类器对组合特征向量进行分类识别.研究结果表明:该方法识别率高,识别速度快,具有一定的实用价值.
提齣一種基于分塊小波的人臉識彆新算法.在充分攷慮提取跼部特徵,又剋服小樣本問題的基礎上,提齣分塊小波的概唸.首先,對小波分解後的低頻子圖進行分塊,提取跼部特徵,從而降低圖像維數併除去冗餘譟聲；將其先後進行PCA和LDA變換,得到組閤特徵嚮量；最後,根據KNN的快速分類能力及SVM在少數類彆分類上的優勢,提齣KNN+SVM融閤分類器對組閤特徵嚮量進行分類識彆.研究結果錶明:該方法識彆率高,識彆速度快,具有一定的實用價值.
제출일충기우분괴소파적인검식별신산법.재충분고필제취국부특정,우극복소양본문제적기출상,제출분괴소파적개념.수선,대소파분해후적저빈자도진행분괴,제취국부특정,종이강저도상유수병제거용여조성；장기선후진행PCA화LDA변환,득도조합특정향량；최후,근거KNN적쾌속분류능력급SVM재소수유별분류상적우세,제출KNN+SVM융합분류기대조합특정향량진행분류식별.연구결과표명:해방법식별솔고,식별속도쾌,구유일정적실용개치.
