| 模块2DPCA的缺陷与改进 |
| |
| 引用本文： | 朱明旱,罗大庸. 模块2DPCA的缺陷与改进[J]. 中国图象图形学报, 2009, 14(1): 94-98 |
| |
| 作者姓名： | 朱明旱 罗大庸 |
| |
| 作者单位： | 1）（中南大学信息科学与工程学院,长沙 410083 ） 2）（ 湖南文理学院电气与信息工程学院，常德 415000） |
| |
| 基金项目： | 湖南省自然科学基金项目（05JJ30121） |
| |
| 摘 要： | 模块2DPCA是2DPCA的推广，在识别性能上比2DPCA更具鲁棒性。本文分析了模块2DPCA在计算训练样本总体散布矩阵和本征向量选取方面的缺陷，提出了一种改进的模块2DPCA算法。实验结果表明，改进后的算法能更好地选取本征向量，更有效地提取人脸特征。
|
| 关 键 词： | 模块2DPCA 本征向量 特征提取 人脸识别 |
| 收稿时间： | 2007-04-09 |
| 修稿时间： | 2007-06-14 |
Defects and Improvement of Modular Two-dimensional Principal Component Analysis |
| |
| ZHU Minghan and LUO Dayong. Defects and Improvement of Modular Two-dimensional Principal Component Analysis[J]. Journal of Image and Graphics, 2009, 14(1): 94-98 |
| |
| Authors: | ZHU Minghan and LUO Dayong |
| |
| Abstract: | Modular 2DPCA is an extension of 2DPCA algorithm. The recognition performance of modular 2DPCA is more robust than that of 2DPCA.In this paper, the defects of modular 2DPCA about computing the total scatter matrix of training samples and selecting eigenvectors are analyzed. An improved modular 2DPCA algorithm is presented. Experiments show that the improved modular 2DPCA algorithm can select better eigenvectors and extract facial features more effectively. |
| |
| Keywords: | modular two-dimensional principal component analysis eigenvector feature extraction face recognition |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
