非负二维主成分分析及在人脸识别中的应用

• 作者: 严慧 杨静宇 金忠
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 非负矩阵分解 二维主成分分析(2DPCA) 非负二维主成分分析(N2DPCA) 人脸识别
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 809-814
• 页数: 6页
• 分类号: TP391.4
• 字数: 4935字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.06.001

摘要

二维主成分分析是一种基于整体脸的方法,保留人脸部件之间的拓扑关系.而非负矩阵分析是基于局部特征的识别,是通过提取局部信息来实现分类.文中将两种思想的优点融合在一起,提出非负二维主成分分析.该方法改善传统非负矩阵分解只是从矩阵分解的角度考虑,没有加强分类的问题.此外,该方法在矩阵分解之前不需要将图像矩阵转换为图像向量,能快速降低鉴别特征的维数.在ORL和FERET人脸库上的实验结果表明,该方法在识别性能上优于其它方法,且更具有鲁棒性.

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与技术学院	623	11098	50.0	74.0
2	金忠	南京理工大学计算机科学与技术学院	72	1142	17.0	31.0
3	严慧	南京理工大学计算机科学与技术学院	4	54	3.0	4.0