基于三次B样条小波和2DFFT-2DLDA的人脸识别

doi:10.3778/j.issn.1002-8331.2010.06.043

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 151-153.DOI: 10.3778/j.issn.1002-8331.2010.06.043

• 图形、图像、模式识别 • 上一篇下一篇

基于三次B样条小波和2DFFT-2DLDA的人脸识别

陈勇¹，冯浩²，王宪保¹

1.浙江工业大学信息工程学院，杭州 310032
2.嘉兴学院，浙江嘉兴 314001

收稿日期:2009-02-16 修回日期:2009-04-02 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 陈勇

Face recognition based on cubic B-spline wavelet and 2DFFT-2DLDA

CHEN Yong¹，FENG Hao²，WANG Xian-bao¹

1.College of Information Engineering，Zhejiang University of Technology，Hangzhou 310032，China
2.Jiaxing University，Jiaxing，Zhejiang 314001，China

Received:2009-02-16 Revised:2009-04-02 Online:2010-02-21 Published:2010-02-21
Contact: CHEN Yong

摘要/Abstract

摘要： 提出了一种基于三次B样条小波和2DFFT-2DLDA的人脸识别方法，用三次B样条小波对人脸图像进行多层分解，得到一幅低频子图和3幅边缘细节子图，选取其中两幅效果最好的子图进行二维傅里叶变换后将其连接形成一个特征向量，然后进行2DLDA处理产生最终的特征表达，最后使用最近邻法进行分类。在JAFFE和Yale人脸库中的实验表明算法具有比频谱脸算法和Gabor-2DLDA算法更高的识别率，同时具有很低的算法复杂度。

关键词: 人脸识别, 小波变换, 二维线性鉴别分析

Abstract: Face recognition based on cubic B-spline wavelet and 2DFFT-2DLDA is proposed.Cubic B-spline wavelet is used to decompose the facial image at suitable levels to produce an approximation subband and three detail subbands at last level composition.Then two optimal subbands selected from four subbands are performed 2D Fourier transform and concatenated into a feature vector，and then the vector is processed by 2DLDA to produce the last feature vector，the last result will be produced by the nearest neighborhood classifier.Compared with spectraface and Gabor-2DLDA algorithm，the tested result in JAFFE and Yale database shows that the proposed algorithm has significant performance.

Key words: face recognition, wavelet transform, Two Demensional Linear Discriminant Analysis（2DLDA）

中图分类号:

TP391.41

陈勇¹，冯浩²，王宪保¹. 基于三次B样条小波和2DFFT-2DLDA的人脸识别[J]. 计算机工程与应用, 2010, 46(6): 151-153.

CHEN Yong¹，FENG Hao²，WANG Xian-bao¹. Face recognition based on cubic B-spline wavelet and 2DFFT-2DLDA[J]. Computer Engineering and Applications, 2010, 46(6): 151-153.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[8]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[9]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[10]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[11]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[12]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[13]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[14]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[15]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.

基于三次B样条小波和2DFFT-2DLDA的人脸识别

Face recognition based on cubic B-spline wavelet and 2DFFT-2DLDA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics