作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
该文提出了一种基于小波和奇异值分解的人脸识别方法.首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩.然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心.最后,将每一类的特征向量中心输入到分类器中进行识别.最终得到了令人满意的识别结果.
推荐文章
基于小波变换和改进的奇异值分解的人脸识别
人脸识别
特征提取
小波变换
奇异值分解
基于奇异值分解和小波神经网络的人脸识别
人脸识别
人工神经网络
奇异值分解
小波神经网络
仿真实验
算法验证
融合局部奇异值特性的人脸识别方法
人脸识别
灰色理论
灰色关联分析
奇异值分解
基于奇异值分解的连续小波消噪方法
连续小波变换
奇异值分解
消噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波和奇异值分解的人脸识别方法
来源期刊 计算机仿真 学科 工学
关键词 人脸识别 小波分解 奇异值分解 特征向量
年,卷(期) 2006,(4) 所属期刊栏目 可视化仿真技术
研究方向 页码范围 181-183
页数 3页 分类号 TN47|TN79
字数 2954字 语种 中文
DOI 10.3969/j.issn.1006-9348.2006.04.050
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王伟 上海交通大学自动化系智能控制实验室 246 1362 18.0 25.0
2 蒋巍 上海交通大学自动化系智能控制实验室 4 36 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (104)
参考文献  (5)
节点文献
引证文献  (11)
同被引文献  (12)
二级引证文献  (35)
1980(3)
  • 参考文献(0)
  • 二级参考文献(3)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(4)
  • 参考文献(1)
  • 二级参考文献(3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2011(7)
  • 引证文献(3)
  • 二级引证文献(4)
2012(8)
  • 引证文献(4)
  • 二级引证文献(4)
2013(6)
  • 引证文献(1)
  • 二级引证文献(5)
2014(6)
  • 引证文献(0)
  • 二级引证文献(6)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人脸识别
小波分解
奇异值分解
特征向量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
总被引数(次)
127174
论文1v1指导