排序方式: 共有22条查询结果,搜索用时 248 毫秒
1.
2.
3.
4.
基于分块PCA的人脸识别方法 总被引:3,自引:0,他引:3
本文提出了一种称为M2PCA+FDA的新的人脸识别方法.新方法从模式的原始数字图像出发,先对样本图像进行分块,对分块得到的子图像矩阵采用PCA进行特征抽取,从而得到能代替原始模式的低维的新模式,然后,对新模式施行“Fisherfaces”方法,实现模式的分类.其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ORL和NUST603两个人脸数据库上对M2PCAA-FDA方法进行了测试,实验的结果表明,本文提出的方法在识别性能上优于“Fisherfaces”方法和PCA方法. 相似文献
5.
基于多级分类的大类别人脸识别研究 * 总被引:2,自引:0,他引:2
提出了一种新的多级分类的人脸识别算法。在类别数较大的人脸识别系统中 ,要想用一种特征一次性地把所有类别都分开是不现实的。首先使用快速的二维投影在大范围内找出测试样本的若干候选类别 ,然后对不同的测试样本分别在其候选子集中抽取特征 ,进而判断测试样本属于哪个类别。在 200人的人脸库上进行了实验 ,识别率由 71. 23%提高到 83. 75%。 相似文献
6.
基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法 总被引:1,自引:0,他引:1
提出了一种基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法.该方法首先对人脸图像进行分块小波变换,并根据图像块的位置分布选取不同的频率分量,然后对该分量进行奇异值阈值压缩与特征融合,最后在ORL人脸库上利用最近邻分类器对该特征进行分类识别,验证了算法的有效性. 相似文献
7.
8.
9.
鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。 相似文献
10.