文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 一种改进的2DPCA方法在人脸识别中的应用
侵权投诉

一种改进的2DPCA方法在人脸识别中的应用

为了提高二维主成份分析(2DPCA)方法在人脸识别中的识别率,提出了一种改进的2DPCA和分块图像相结合的人脸识别方法。该方法根据类内图像与该类平均图像的距离,引入加权函数,重新定义2DPCA的总体散布矩阵,并应用到分块图像中,对训练样本子图像采用改进的2DPCA方法进行特征提取,实现模式分类。在ORL标准人脸库上的实验结果表明,它可以有效地提高识别率。

第3 1卷第 6期 21 0 1年 1 2月

苏

州

大

学

学

报(工

科

版)

Vo _ No 6 l31 . De .2 1 c 0 l

J U A FS O H W N V R IY( N I E R N CE C DTON) O RN LO O C O U I E S T E G N E I G S IN EE II

文章编号:6 3—07 2 1 )一 6— 0 8一O 17 4 X(0 1 0 0 4 5

一

种改进的 2 P A方法在人脸识别中的应用 D C 施志刚,姜彬 (南通航运职业技术学院管理信息系,江苏南通 2 6 1 ) 20 0

摘要:为了提高二维主成份分析 ( D C方法在人脸识别中的识别率,出了一种改进的 2 P A)提 2 P A和分块图像相结合的人脸识别方法。该方法根据类内图像与该类平均图像的距离, DC引入加

权函数,重新定义 2 P A的总体散布矩阵, DC并应用到分块图像中,训练样本子图像采用改进的对 2 P A方法进行特征提取, DC实现模式分类。在 O L标准人脸库上的实验结果表明, R它可以有效地提 高识别率。

关键词:维主成份分析;内图像;权;二类加总体散布矩阵;块图像;分特征提取 中图分类号: P 9 T 31文献标识码: A

0引言 近年来,在人脸识别领域,基于代数特征的人脸识别方法因其计算简单、有效等特性已成为人脸图像特征提取和识别的主流方法之一,能否抽取有效的鉴别特征是决定识别效果的关键。在人脸识别的过程中,有现 的一些方法都是直接基于原始人脸图像库进行实验的,而这些图像往往会呈现出较强的不稳定性,光照差异、

人脸角度、以及姿态等都会对识别率产生很大的影响。因此,表情能否找到可以减轻这些因素对提取有效的 鉴别特征所带来干扰的方法便成为提高识别性能的关键。

二维主成分分析¨ 3简称 2 P A直接基于二维图像矩阵, -(] DC )能降低原始特征的维数,并且计算相应特征 向量的速度有所提高。为进一步提高人脸识别的正确率,文对 2 P A算法进行了改进,本 DC即根据训练样本类

内子图像与该类所有对应子图像的平均图像 -的距离, 4 在总体散布矩阵中引入加权函数,如果子图像越接近 于平均子图像,则加重该子图像在特征提取中的作用,样更好地考

虑了同类对应子图像之间的差异,高了这提

识别率。结合图像分块

的思想,不仅可以提取图像的局部信息、降低图像维数、解决“小样本”问题,还能

减轻由于光照和姿态不同对人脸识别带来的干扰。

1改进的 2 P A方法 D C 2 P A算法是一种图像特征提取的方法, DC它直接由图像矩阵构造训练样本的总体散布矩阵(协方差 )然,后计算其特征值和特征向量。本文把计算图像与类内平均图像的距离,依据距离加权这一思想引入到总体散布矩阵的定义中。如果某图像与该类平均图像的距离越小,明此图像越接近于平均图像,可通过赋予该说就 图像一个比较高的权值来增加识别的比重。对该方法改进的具体过程如下: 令 (,∞一,为 c个模式类, ∈R“i,,,,=12…,为训练样本集,中 n为第 i c, J X={ ,=12… c,, n}其 C

类样本的个数,Ⅳ=∑ n为训练样本的总数,; 表示第i个人的幅图第像矩阵。 第i个人的平均脸矩阵表示为 收稿日期: 0 1 0 2 1— 9—1 9

作者简介:施志刚( 9 1,, 18一)男讲师,主要研究方向为人工智能。

一种改进的2DPCA方法在人脸识别中的应用

第1页

你可能喜欢

  • matlab人脸识别
  • PCA人脸识别
  • 汉王人脸识别
  • 毕业设计人脸识别
  • 神经网络人脸识别
  • LDA人脸识别

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email