分块PCA鉴别特征抽取能力的分析研究

计算机科学 ›› 2006, Vol. 33 ›› Issue (3): 155-159.

分块PCA鉴别特征抽取能力的分析研究

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
国家自然科学基金（60472060）和江苏省自然科学基金（05KJD520050）资助.

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 基于主成分分析（Principal Component Analysis，PCA），本文提出了分块PCA人脸识别方法.分块PCA从模式的原始数字图像出发，先对图像进行分块，对分块得到的子图像矩阵采用PCA方法进行特征抽取，从而实现模式的分类.新方法的特点是能有效地抽取图像的局部特征，正是这些特征使此类模式区别于彼类.在Yale人脸数据库上测试了该方法的鉴别能力.实验的结果表明，分块PCA在识别性能上优于通常的PCA方法，也优于基于Fisher鉴别准则的鉴别分析方法：Fisherfaces方法、F-S方法、

关键词: 线性鉴别分析主成分分析特征抽取分块主成分分析人脸识别

Abstract: Based on Principal Component Analysis（PCA）, a new technique called Modular PCA is developed for human face recognition in this paper. First, in proposed approach, the original images are divided into smaller modular images, which are also called sub-image

Key words: Linear discriminant analysis （LDA）, Principal component analysis （PCA）, Feature extraction, Modular principal component analysis（Modular PCA）, Face recognition

. 分块PCA鉴别特征抽取能力的分析研究[J]. 计算机科学, 2006, 33(3): 155-159. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed