基于采样的二维独立分量分析的单训练样本人脸识别

• 作者: 何明一 高涛
• 来源期刊: 计算机应用研究
• 关键词: 独立分量分析 二维独立分量分析 采样二维独立分量分析 径向基网络
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 345-347
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.01.103

摘要

人脸识别是当前人工智能和模式识别的研究热点.二维独立分量分析(two-dimensional independent component analysis,2DICA)是人脸特征描述和识别地一种非常有效的方法,但是必须有一定数量和代表性的训练样本的支持.当仅有一个训练样本时,该方法中的协方差矩阵就变成了零矩阵,方法就会失效.针对这一问题,提出了一种基于采样二维独立分量分析(sampled two-dimensional independent component analysis,S2DICA)人脸识别方法.该方法是在2DICA运算之前,首先对单训练样本进行采样,通过多频率采样可以获取多个不同频率下的采样样本,然后对采样样本进行2DICA特征提取,最后采用神经网络分类识别,对人脸库ORL和YEL作了相关实验,将该方法与GREY、PCA、ICA、2DICA、PC PCA、FLDA、Sampled FLDA等传统方法作了比较,最终证明了该方法可以有效地解决单训练样本人脸识别的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明一		15	197	9.0	13.0
2	高涛		5	96	4.0	5.0