共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
结合整体与局部信息的人脸识别方法 总被引:3,自引:0,他引:3
提出了一种综合利用整体和局部信息进行人脸识别的新方法。在对整幅人脸图像进行PCA分析的基础上辅以了局部区域的PCA LDA分析。在ORL的400幅人脸库上对此方法进行了验证,结果证明此方法是有效可行的,最优的识别率达到了97%,比仅利用完整图像的人脸识别方法有了不同程度的提高。 相似文献
5.
不相关鉴别分析是一种非常有效并起着重要作用的线性鉴别分析方法,它能抽取出具有不相关性质的特征分量。但是,由于每一个鉴别矢量的得出都要求解一个特征方程,不相关鉴别分析算法一直是计算代价很大的算法,在需求解的鉴别矢量个数较多时尤其如此。该文基于一个等效的Fisher准则函数,提出了不相关鉴别分析的另一问题模型。使用Lagrange乘子法,可求出对应该问题模型的“不相关”鉴别矢量解的简洁的表示式。关于CENPARMI手写体阿拉伯数字库和ORL人脸图象库的实验表明,该文提出的不相关鉴别分析改进算法计算效率较原算法有较大提高。 相似文献
6.
7.
一种用于人脸识别的非线性鉴别特征融合方法 总被引:2,自引:0,他引:2
最近,在人脸等图像识别领域,用于抽取非线性特征的核方法如核Fisher鉴别分析(KFDA)已经取得成功并得到了广泛应用,但现有的核方法都存在这样的问题,即构造特征空间中的核矩阵所耗费的计算量非常大.而且,抽取得到的单类特征往往不能获得到令人满意的识别结果.提出了一种用于人脸识别的非线性鉴别特征融合方法,即首先利用小波变换和奇异值分解对原始输入样本进行降雏变换,抽取同一样本空间的两类特征,然后利用复向量将这两类特征组合在一起,构成一复特征向量空间,最后在该空间中进行最优鉴别特征抽取.在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核Fisher鉴别分析方法,而且,在ORL人脸库上的特征抽取速度提高了近8倍. 相似文献
8.
广义主分量分析及人脸识别 总被引:2,自引:0,他引:2
传统的主分量分析和Fisher线性鉴别分析在处理图像识别问题时都是基于图像向量的。该文提出了一种直接基于图像矩阵的主分量分析方法,它的突出优点是大大加快了特征抽取的速度。在ORL标准人脸库上的试验结果表明,该文所提出的方法不仅在识别性能上优于传统的主分量分析方法和Fisher线性鉴别分析方法,而且特征抽取的速度得到了很大的提高。 相似文献
9.
10.
线性辨别分析(LDA)特征空间的坐标轴是非正交的,并且基于LDA的分类器的性能容易受训练集变化的影响。Okada提出了一种优化正交系统,但运算量大,且增加了特征空间坐标轴的数目,影响分类器速度。本文提出一种新的正交分量辨别分析(OCDA),没有增加坐标轴的数目,并且稳定性和识别率都优于LDA。 相似文献
11.
在人脸识别算法中,无参数局部保持投影(PFLPP)是一种有效的特征提取算法, 但忽略了异类近邻样本在分类中所起的作用,并且对于近邻的处理仅利用样本与总体均值的 距离关系来判断,因此并不能有效地确定近邻关系。基于此,提出一种无参数无相关最大化 判别边界算法,有效地利用了样本的类别信息,定义了无参数同类近邻样本的相似权值与异 类近邻样本的惩罚权值,样本邻域大小可根据类内平均余弦距离和类间余弦距离自适应确定, 为了进一步增强算法的性能,给出了具有不相关性的目标函数。UMIST 和 AR 人脸库上的实 验结果表明,该算法相对于不相关保局投影分析算法和 PFLPP 算法,具有运算量低、识别性 能高的优势。 相似文献
12.
基于改进的PCA算法和Fisher线性判别的人脸识别技术 总被引:10,自引:0,他引:10
通过对主成分分析法(PCA)的数学公式进行改进,使其具有灰度归一化操作能力,从而克服光照对目标的影响,再将改进后的主成分分析法和F isher线性判别分析方法组合起来用于人脸识别,在ORL人脸数据库上进行了实验,取得了满意的识别效果. 相似文献
13.
基于部件的级联线性判别分析人脸识别 总被引:1,自引:0,他引:1
文章提出一种基于人脸部件表示的级联线性判别分析人脸识别方法。该方法将人脸图像划分为具有交叠区域的多个部件,对每个部件应用线性判别分析以寻找该部件的判别方向,然后对所有部件应用线性判别分析以寻找总体最优判别方向。以从该级联线性判别分析提取的特征作为人脸描述。在FERET人脸库上的人脸识别和人脸确认的实验结果表明,该方法优于传统的基于全局图像的Fisherface方法。 相似文献
14.
具有统计不相关性的图像投影鉴别分析及人脸识别 总被引:25,自引:1,他引:25
提出了一种新的图像投影鉴别分析方法。与Liu鉴别投影分析方法相比,该方法具有能够消除投影特征向量之间相关性的优点,另外,所提出的方法是直接基于图像矩阵的,与以往的基于图像向量的鉴别方法相比,它的突出优点是大大地提高了特征抽取的速度。最后,在ORL标准人脸库和MUST603人脸库上的试验结果表明,所提出的图像投影鉴别分析方法较Liu的方法在识别性能上有了较大幅度的提高,在ORL标准人脸库和NUST603人脸库上的试验结果表明,所提出的图像投影鉴别分析方法较Liu的方法在识别性能上有了较大幅度的提高,在普通的分类器下分别达到95.5%和99.4%的识别率,该识别率明显优于颇有影响的Fisherfaces方法,而且,特征抽取的速度提高了近15倍。 相似文献
15.
16.
基于改进LDA算法的人脸识别 总被引:1,自引:0,他引:1
提出一种基于改进LDA的人脸识别算法,该算法克服传统LDA算法的缺点,重新定义样本类间离散度矩阵和Fisher准则,从而保留住最有辨别力的信息,增强算法的识别率.实验结果证明该算法是可行的,与传统的PCA LDA算法比较,具有较高的识别率. 相似文献
17.
由于PCA 和LDA算法存在小样本问题(Smell Sample Size),结合D-LDA 和Kernel,将线性不可分的低维空间映射到高维空间,并借助于"kernel 技巧"克服了维度灾难问题,并且充分的利用曾经被抛弃的有用信息Null-Space.经过才ORL人脸库的实验表明,此方法比PCA,LDA提高了人脸识别的可分性,并有效地解决了小样本问题. 相似文献
18.
考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。 相似文献
19.
本文主要介绍了人脸图像特征提取的三种算法,包括PCA算法,DCT算法以及FLD算法,着重分析了PCA+FLD,DCT+FLD两种结合算法的原理。实现方法和步骤以及各自的优缺点。 相似文献