共查询到10条相似文献，搜索用时 15 毫秒
1.
研究表明,对一种识别有利的信息有可能反而对其他识别任务造成干扰,表情识别需要利用表示各种表情之间差异的信息.针对特定人及非特定人的7种基本表情.提出基于二维主元分析(Two-Dimensional Principle Analysis,2DPCA)补空间的表情识别算法.基于CED-WYU(1.0)及JAFFE两个表情数据库的实验结果表明,2DPCA补空间算法针对特定人与非特定人的表情识别率可达100%,高于2DPCA算法. 相似文献
2.
为了提高掌纹识别中对局部区域特征的提取及掌纹识别率,提出一种基于多级区域局部二值模式（MBLBP）和Gabor小波的掌纹识别算法。通过对光照及感兴趣区域（ROI）等因素进行预处理,经过Gabor小波变换后提取掌纹的多尺度特征,再利用MBLBP算法提取主元,采用欧式距离分类法计算掌纹识别率。经过香港理工大学掌纹库（PolyU）验证,比较不同预处理、不同算法下的掌纹识别率。实验证明,该方法相比于以往的局部二值算法（LBP）在识别率上有较大提升。 相似文献
3.
为提高虹膜识别系统的识别率和识别时效性,设计了基于多通道Gabor滤波和二维主分量分析(2DPCA)的虹膜识别算法。利用多通道Gabor滤波器对采集的虹膜进行特征提取。由于得到的特征向量矩阵的维数通常较大,会影响特征匹配和虹膜识别的运算速度,因而需要对特征矩阵进行降维处理。2DPCA算法能有效地克服传统虹膜识别系统中的"维数危机"问题,在保留虹膜特征主分量的基础上,降低虹膜匹配运算量,提高虹膜系统的识别效率。虹膜识别采用差异度匹配法,通过阈值比较得到识别结果,对容量不等的各类虹膜图库均具有良好的适应性。实验中对容量为50的虹膜图库进行了算法测试,系统的最低识别率达到了88%,识别时间仅为传统非降维识别方法的一半。理论分析和实验结果表明,该算法对虹膜纹理的特征提取精度高,识别率高,识别速度快。 相似文献
4.
郑豪 《南京晓庄学院学报》2009,25(6)
文章讨论了模块2DPCA(two-dimensional principal eomponent anallysis)的人脸识别方法.传统的PCA方法是在特征抽取之前将子图像矩阵转化为图像向量,这样会造成维数增大.二维主成分分析算法(2DPCA)作为模式识别领域的一种重要算法,它直接利用原始二维图像矩阵,生成特征提取所需的图像协方差矩阵,具有较高健壮性.模块2DPCA是2DPCA的推广,模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征提取.与2DPCA相比,模块2DPCA方法在识别性能上优于PcA.、比2DPCA更具有鲁棒性.最后就模块2DPCA存在的问题进行了讨论. 相似文献
5.
文章首先对人脸图像做三层小波变换,分析了小波分解后的各个小波子带图像,研究了每一个小波子带单独运用主成份分析方法进行人脸识别的识别率,然后利用Boosting算法中的投票组合原则,组合各小波子带来进行人脸识别,与传统的主成份分析方法相比,具有更高的识别率. 相似文献
6.
为进一步提高维吾尔语方言识别准确率,从特征域出发提出基于小波包变换的方言语音声学参数提取算法,利用小波包变换对语音信号进行精细分解,使用Bark滤波器提取低频子带和高频子带系数与人耳基底膜的不同部分对应,用局部线性嵌入的流形学习算法进行降维,提升信号的分类性能。分别以i-vector和x-vector两个主流系统进行方言识别实验,结果表明,小波特征声学参数的方言识别准确率比MFCC特征和FBank特征识别准确率均有提高。 相似文献
7.
基于2DGabor小波与2DPCA的人脸识别方法 总被引：3，自引：0，他引：3
2DGabor小波变换能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化,2DGabor小波变换系数描述了图像上各给定位置附近区域的灰度特征。2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。提出了2DGabor小波变换和2DPCA相结合的人脸识别方法,实验证明,2DGabor小波变换＋2DPCA的算法在识别效果上优于Gabor小波变换＋DPCA的算法。 相似文献
8.
用曲波变换提取出掌纹图像在不同尺度下的图像特征,通过降维处理的主成分分析(PCA)方法,由径向基函数网络训练或判决,按照用户的要求,选择不同的决策规则,对各种尺度下的识别结果进行融合,可达到较高的掌纹识别率。 相似文献
9.
掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术,有着巨大的发展潜力。掌纹线中的主线和皱褶是重要的特征,在空间域内掌纹图像中纹理的疏密和深浅,与频域内能量聚集和紧密程度相关。目前的掌纹研究主要集中在就一种掌纹特征的提取算法上如何提高匹配率,而对结合两种以及两种以上的掌纹特征的提取算法,如何提高掌纹识别匹配率的讨论较少。提出了一种有效提高掌纹识别率的方法,即结合点特征的提取和傅立叶变换特征的提取,提高掌纹特征匹配识别率。将该方法与单独使用点特征提取和傅立叶变换提取进行了比较实验,实验结果证明新方法的识别率有明显提高。 相似文献
10.
基于分形维前臂动作表面肌电信号的分类 总被引：1，自引：0，他引：1
通过分形维对表面肌电信号进行识别分类.在30个健康志愿者做前臂内旋和外旋时,从他们的右前臂肌前群分别采集2类动作表面肌电信号.当原始动作表面肌电信号用小波包变换分解成几个子信号后,采用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维.结果表明:从频带0～125 Hz的子信号求得的内旋和外旋动作表面肌电信号的分形维有各自的范围;通过该分形维进行Bayes决策时,错误识别率仅2.26%.因此,该分形维适合用来识别内旋和外旋动作表面肌电信号. 相似文献