|
|||||
|
|
| 核主成分分析与典型相关分析相融合的人脸识别 | |
| 作者单位： | ;1.苏州市职业大学计算机工程系 |
| 摘 要： | 人脸识别具有小样本、高维等特性。典型相关分析算法(CCA)无法准确提取人脸识别特征,不能准确刻画人脸图像的局部变化,导致人脸识别率低。为提高人脸识别率,提出一种核主成分分析与典型相关分析相融合的人脸识别算法(KPCA-CCA)。首先将人脸图像划分多个子模块,然后提取局部特征,同时采用KPCA提取全局特征,并采用CCA将两种特征进行融合,降低特征向量的维数,最后采用子模式进行人脸识别,以投票方式确定人脸的类别。采用AR与Yale数据集对KPCA-CC性能进行测试,仿真结果表明,相对于对比模型,KPCA-CCA提高了人脸识别的识别率。 |
| 关 键 词： | 人脸识别 典型相关分析 核主成分分析 子模型 特征融合 |
FACE RECOGNITION BY FUSING KERNEL PRINCIPAL COMPONENT ANALYSIS AND CANONICAL CORRELATION ANALYSIS |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |
