改进的模块2DPCA与MSD结合的人脸识别

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 175-178.

改进的模块2DPCA与MSD结合的人脸识别

孔爱祥，王成儒

燕山大学信息科学与工程学院，河北秦皇岛 066004

出版日期:2014-01-15 发布日期:2014-01-26

Combination of improved modular 2DPCA and maximum scatter difference discriminate analysis for face recognition

KONG Aixiang, WANG Chengru

School of Computer Science and Engineering, Yanshan University, Qinhuangdao, Hebei 066004, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 提出了一种改进的模块2DPCA与最大散度差鉴别分析相结合的人脸识别方法。该方法先对原始人脸图像采用改进的模块2DPCA抽取特征，然后对得到的特征图像的子图像块施行最大散度差鉴别分析，得到最终的特征图像。该方法不仅利用了原始图像的局部特征和类别信息，而且完全避免了使用矩阵的奇异值分解。在ORL人脸库上的实验结果验证了该方法的有效性。

关键词: 模块二维主成分分析（2DPCA）, 最大散度差鉴别分析, 人脸识别

Abstract: A method of combination of improved modular 2DPCA and Maximum Scatter Difference discriminate analysis（MSD） is proposed. The improved modular 2DPCA is applied to the original face images for feature extraction. Then MSD is used to the sub-images of these obtained feature images in which way the final feature images are obtained. This method can not only exploit local features of original image and discriminate information but also totally avoid the problem of singular value decomposition of matrix. Experiments performed on ORL face database verify the effectiveness of the proposed method.

Key words: modular 2 Dimensional Principal Component Analysis（2DPCA）, maximum scatter difference discriminate analysis, face recognition

孔爱祥，王成儒. 改进的模块2DPCA与MSD结合的人脸识别[J]. 计算机工程与应用, 2014, 50(2): 175-178.

KONG Aixiang, WANG Chengru. Combination of improved modular 2DPCA and maximum scatter difference discriminate analysis for face recognition[J]. Computer Engineering and Applications, 2014, 50(2): 175-178.

[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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.