基于二维主成分分析方法的人脸识别 |
| |
引用本文: | 蒋楠,赵丽红,张西礼.基于二维主成分分析方法的人脸识别[J].科协论坛,2009(8). |
| |
作者姓名: | 蒋楠 赵丽红 张西礼 |
| |
作者单位: | 东北大学信息科学与工程学院,辽宁·沈阳,110004 |
| |
摘 要: | 由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.使用二维主成分分析方法(2D PCA)实现了人脸识别,传统的主成分分析方法(PCA)把图像矩阵转换成列向量进行处理,从而丢失了一部分特征信息,并且使协方差矩阵的维数很高、计算量很大;2D PCA直接在图像矩阵上进行处理,充分利用了样本类别的差异,大大减少了计算量.在ORL人脸库上利用2D PCA方法进行实验,实验结果表明2D PCA优于PCA.
|
关 键 词: | 人脸识别 特征提取 主成分分析方法(PCA) 二维主成分分析方法(2D PCA) |
本文献已被 CNKI 万方数据 等数据库收录! |
|