基于分块PCA的人脸识别方法

• 作者: 张生亮 杨静宇 陈伏兵 高秀梅
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 线性鉴别分析 主成分分析 特征抽取 分块PCA 人脸识别
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 图形、图像与自然语言处理
• 页码范围: 1943-1947
• 页数: 5页
• 分类号: TP391
• 字数: 5747字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2006.10.034

摘要

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M2PCA+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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高秀梅		10	154	6.0	10.0
3	杨静宇		623	11098	50.0	74.0
4	张生亮		16	422	12.0	16.0
5	陈伏兵		20	589	15.0	20.0