计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 202-204.

• 图形、图像、模式识别 • 上一篇    下一篇

二维类增广PCA及其在人脸识别中的应用

徐 毅，赵冬娟，梁久祯   

  1. 江南大学 物联网工程学院，江苏 无锡 214122
  • 收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Face recognition using two-dimension class-augmented PCA

XU Yi, ZHAO Dongjuan, LIANG Jiuzhen   

  1. School of Internet of Things, Jiangnan University, Wuxi, Jiangsu 214122, China
  • Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

PDF

摘要： 提出了一种二维类增广PCA（2DCAPCA）的人脸识别算法。用二维PCA（2DPCA）方法直接对人脸图像矩阵进行特征提取，对提取的特征进行归一化处理，将归一化处理后的特征与类别信息结合构成类增广矩阵，对类增广矩阵进行2DPCA处理，提取图像的类增广矩阵特征。由于该算法既保留了人脸图像的结构信息，又考虑了样本的类别信息，识别率有了较大的提高。通过Yale和FERET库上的实验表明，该方法对人脸识别是有效的。

关键词: 人脸识别, 特征提取, 二维主成分分析（2DPCA）, 类增广主成分分析（CAPCA）, 二维类增广主成分分析（2DCAPCA）

Abstract: This paper proposes a face recognition approach of two-dimension class-augmented PCA. Human face features are obtained by 2DPCA method. These features are normalized. The normalized features are combined with the class information to construct the class-augmented matrix. The class-augmented matrix features are computed by 2DPCA method again. In the proposed method, both structure and class information are considered, therefore, the recognition rate is improved. Experimental results on Yale and FERET data set show that the proposed method is effective for human face recognition.

Key words: human face recognition, feature extraction, two-Dimension Principal Component Analysis（2DPCA）, Class-Augmented Principal Component Analysis（CAPCA）, two-Dimension Class-Augmented Principal Component Analysis（2DCAPCA）

京ICP备13024262号-1
Copyright © 《计算机工程与应用》编辑部
技术支持：北京玛格泰克科技发展有限公司
总访问量
今日访问
在线人数