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:
针对二维主元分析(Two-Dimensional Principal Component Analysis,2DPCA)和独立元分析(Independent Component Analysis,ICA)的特点,给出了二维独立元分析(Two-Dimensional Independent Component Analysis,2DICA)的概念.在2DICA算法的基础上,提出了基于小波变换(Wavelet- Transform,WT)的2DICA(Wavelet-Transform and Two-Dimensional Independent Component Analysis,WT-2DICA)人脸识别算法.首先,利用小波变换将原始图像的高频分量和低频分量进行不同程度的分离,并忽略高频分量,获得原始图像的基本特征;然后,利用2DICA算法求得投影特征;最后依据最近邻法则完成人脸识别.基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果表明,WT-2DICA算法正确识别率高于2DPCA算法与2DICA算法,是一种有效的人脸识别方法.
推荐文章
基于小波变换和二维非负矩阵分解的人脸识别算法
二维离散小波变换
二维非负矩阵分解
人脸识别
图像融合
基于二维康托尔二元群的小波变换
二维康托尔集
二维康托尔二元群
多分辨分析
分解与重构
基于二维Gabor小波和支持向量机的人脸识别
人脸识别
小波特征
主成分分析
支持向量机
基于局部小波变换与DCT的人脸识别算法
人脸识别
小波变换
离散余弦变换
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 基于小波变换的二维独立元在人脸识别中应用
来源期刊 系统仿真学报 学科 工学
关键词 人脸识别 二维主元分析 二维独立元分析 小波变换 独立元分析
年,卷(期) 2007,(3) 所属期刊栏目 信息、控制、决策与仿真
研究方向 页码范围 612-615,619
页数 5页 分类号 TP391
字数 4046字 语种 中文
DOI 10.3969/j.issn.1004-731X.2007.03.037
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 甘俊英 五邑大学信息学院 82 871 14.0 26.0
5 李春芝 五邑大学信息学院 7 86 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (18)
参考文献  (4)
节点文献
引证文献  (26)
同被引文献  (31)
二级引证文献  (77)
1982(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)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(12)
  • 引证文献(9)
  • 二级引证文献(3)
2010(8)
  • 引证文献(7)
  • 二级引证文献(1)
2011(17)
  • 引证文献(0)
  • 二级引证文献(17)
2012(17)
  • 引证文献(1)
  • 二级引证文献(16)
2013(9)
  • 引证文献(1)
  • 二级引证文献(8)
2014(15)
  • 引证文献(2)
  • 二级引证文献(13)
2015(8)
  • 引证文献(0)
  • 二级引证文献(8)
2016(10)
  • 引证文献(2)
  • 二级引证文献(8)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
人脸识别
二维主元分析
二维独立元分析
小波变换
独立元分析
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
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
相关基金
广东省自然科学基金
英文译名:Guangdong Natural Science Foundation
官方网址:http://gdsf.gdstc.gov.cn/
项目类型:研究团队
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导