高技术通讯
高技術通訊
고기술통신
Chinese High Technology Letters
2015年
5期
463-468
,共6页
曲波变换%特征提取%独立分量分析(ICA)%人脸识别%特征融合
麯波變換%特徵提取%獨立分量分析(ICA)%人臉識彆%特徵融閤
곡파변환%특정제취%독립분량분석(ICA)%인검식별%특정융합
curvelet transform%feature extraction%independent component analysis (ICA)%face recognition%feature fusion
为了提高人脸识别率和缩短识别时间,研究了基于曲波变换的人脸识别技术.考虑到传统曲波变换无法将多尺度多方向的曲波特征进行最优表示且其特征维数过大的缺点,提出了一种基于自适应加权融合的曲波变换和独立分量分析(ICA)的人脸识别算法.该算法通过曲波变换提取原始人脸图像的最优尺度和方向上的曲波系数,并对这些特征系数进行多方向上的融合,根据类别可分离性的判据原则对融合后的系数进行加权,以减少特征数量,提高处理速度;通过独立分量分析降维,将这些特征投影到更具表达力的空间,以获取有效特征,减少冗余信息,便于最近邻分类器进行人脸识别.基于在奥利维帝研究实验室(ORL)人脸库、Yale B人脸库和AR人脸库对该算法进行了测试,结果表明,其识别率分别达到98%、97%和98.57%,单幅图片的识别时间分别为65.43,158.94和20.37ms,从而验证了其实用性.
為瞭提高人臉識彆率和縮短識彆時間,研究瞭基于麯波變換的人臉識彆技術.攷慮到傳統麯波變換無法將多呎度多方嚮的麯波特徵進行最優錶示且其特徵維數過大的缺點,提齣瞭一種基于自適應加權融閤的麯波變換和獨立分量分析(ICA)的人臉識彆算法.該算法通過麯波變換提取原始人臉圖像的最優呎度和方嚮上的麯波繫數,併對這些特徵繫數進行多方嚮上的融閤,根據類彆可分離性的判據原則對融閤後的繫數進行加權,以減少特徵數量,提高處理速度;通過獨立分量分析降維,將這些特徵投影到更具錶達力的空間,以穫取有效特徵,減少冗餘信息,便于最近鄰分類器進行人臉識彆.基于在奧利維帝研究實驗室(ORL)人臉庫、Yale B人臉庫和AR人臉庫對該算法進行瞭測試,結果錶明,其識彆率分彆達到98%、97%和98.57%,單幅圖片的識彆時間分彆為65.43,158.94和20.37ms,從而驗證瞭其實用性.
위료제고인검식별솔화축단식별시간,연구료기우곡파변환적인검식별기술.고필도전통곡파변환무법장다척도다방향적곡파특정진행최우표시차기특정유수과대적결점,제출료일충기우자괄응가권융합적곡파변환화독립분량분석(ICA)적인검식별산법.해산법통과곡파변환제취원시인검도상적최우척도화방향상적곡파계수,병대저사특정계수진행다방향상적융합,근거유별가분리성적판거원칙대융합후적계수진행가권,이감소특정수량,제고처리속도;통과독립분량분석강유,장저사특정투영도경구표체력적공간,이획취유효특정,감소용여신식,편우최근린분류기진행인검식별.기우재오리유제연구실험실(ORL)인검고、Yale B인검고화AR인검고대해산법진행료측시,결과표명,기식별솔분별체도98%、97%화98.57%,단폭도편적식별시간분별위65.43,158.94화20.37ms,종이험증료기실용성.