分块二维主成分分析鉴别特征抽取能力研究

• 作者: 严云洋 杨静宇 陈伏兵 韦相和
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 线性鉴别分析 特征抽取 二维主成分分析 分块二维主成分分析 人脸识别
• 年，卷（期）: 2006,（27）
• 所属期刊栏目: 学术探讨
• 页码范围: 69-72,75
• 页数: 5页
• 分类号: TP391
• 字数: 4954字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.27.022

摘要

基于二维主成分分析(2DPCA),文章提出了分块二维主成分分析(M2DPCA)人脸识别方法.M2DPCA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2DPCA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ORL人脸数据库上测试了该方法的鉴别能力.实验的结果表明,M2DPCA在鉴别性能上优于通常的2DPCA和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方法和J-Y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	杨静宇	南京理工大学计算机科学系	623	11098	50.0	74.0
2	陈伏兵	淮阴师范学院计算机科学系	20	589	15.0	20.0
4	严云洋	南京理工大学计算机科学系	16	187	6.0	13.0
10	韦相和	淮阴师范学院计算机科学系	18	62	5.0	7.0