基于分块独立成分分析的人脸识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 42-44.

基于分块独立成分分析的人脸识别

杨万扣¹,王建国^1,2,任明武¹,杨静宇¹

1.南京理工大学计算机学院，南京 210094
2.唐山学院网络教育中心，河北唐山 063000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 杨万扣

Face recognition based on BUICA

YANG Wan-kou¹,WANG Jian-guo^1,2,REN Ming-wu¹,YANG Jing-yu¹

1.Computer Science Department，Nanjing University of Science and Techology，Nanjing 210094，China
2.Network & Education Center，Tangshan College，Tangshan，Hebei 063000，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: YANG Wan-kou

摘要/Abstract

摘要： 提出分块独立成分分析的特征抽取方法，并成功应用于人脸识别。分块独立成分分析方法先对图像矩阵进行分块；然后对所有图像子块联合进行独立成分分析，构造特征空间；最后把图像所有的子块投影到特征空间提取特征进行分类识别。其特点是可以有效降低图像维数和有效提取图像局部特征。在YALE和FERET人脸库上的实验结果表明，提出的分块独立成分分析方法明显优于独立成分分析方法。

关键词: 独立成分分析, 分块独立成分分析, 特征抽取, 人脸识别

Abstract: In this paper，a new face recognition technique based on block universal ICA（BUICA） is proposed.First，the original images are divided into blocks in proposed method，then ICA could be directly used to all the blocks to construct the eigenspace，at last the blocks of one images are projected to the eigenspace to feature extract and recognition.BUICA could reduce the image dimension and extract local features effectively.The experimental results on YALE and FERET face database indicate that the performance of BUICA is superior of that ICA.

Key words: ICA, BUICA, feature extraction, face recognition

杨万扣¹,王建国^1,2,任明武¹,杨静宇¹. 基于分块独立成分分析的人脸识别[J]. 计算机工程与应用, 2008, 44(1): 42-44.

YANG Wan-kou¹,WANG Jian-guo^1,2,REN Ming-wu¹,YANG Jing-yu¹. Face recognition based on BUICA[J]. Computer Engineering and Applications, 2008, 44(1): 42-44.

[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]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[15]	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.