奇异值和RBF神经网络的彩色人脸识别

doi:10.3778/j.issn.1002-8331.2009.04.054

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (4): 190-192.DOI: 10.3778/j.issn.1002-8331.2009.04.054

• 图形、图像、模式识别 • 上一篇下一篇

奇异值和RBF神经网络的彩色人脸识别

罗仁泽¹,冉瑞生²,王汝言³

1.电子科技大学中山学院电子工程系，广东中山 528402
2.中冶赛迪工程技术股份有限公司自动化事业部，重庆 400013
3.重庆邮电大学通信与信息工程学院，重庆 400010

收稿日期:2008-09-09 修回日期:2008-10-30 出版日期:2009-02-01 发布日期:2009-02-01
通讯作者: 罗仁泽

Color face recognition based on singular values and RBF neural network

LUO Ren-ze¹,RAN Rui-sheng²,WANG Ru-yan³

1.Department of Electronic Engineering，Zhongshan Institute，University of Electronic Science and Technology of China，Zhongshan， Guangdong 528402，China
2.Department of Automation，CISDI Engineering Co.，Ltd，Chongqing 400013，China
3.Department of Communication and Information Engineering，Chongqing University of Posts and Telecommunication，Chongqing 400065，China

Received:2008-09-09 Revised:2008-10-30 Online:2009-02-01 Published:2009-02-01
Contact: LUO Ren-ze

摘要/Abstract

摘要： 目前已有研究表明，相对于灰度图像，利用图像的彩色信息能改进人脸图像的识别率。但近年来的彩色人脸识别研究较少。提出了一种基于奇异值向量和RBF神经网络的彩色人脸图像识别方法。首先说明了彩色图像的奇异值向量具有代数和几何不变性，再将降维的奇异值向量作为图像的特征，然后应用RBF神经网络进行训练和识别。实验表明该方法的识别率为95%左右，是一种有效的彩色人脸识别方法。

关键词: 奇异值, 径向基函数神经网络, 彩色人脸识别

Abstract: As opposed to gray images，the color information of face images may be applied to improve the face image recognition rate.But only a few methods for color face recognition has been proposed in the recent years.Based on the singular value vector of color face image and RBF neural network，a method for color face recognition is presented.The algebraic and geometric invariance of singular value vector is firstly given，and then singular value vector compressed is extracted as the image feature，then RBF neural network is used to training and recognition.Experiment shows that the recognition rate of the proposed method is about 95% and it is an effective color face recognition method.

Key words: singular values, Radial Basis Function（RBF） neural network, color face recognition

罗仁泽¹,冉瑞生²,王汝言³. 奇异值和RBF神经网络的彩色人脸识别[J]. 计算机工程与应用, 2009, 45(4): 190-192.

LUO Ren-ze¹,RAN Rui-sheng²,WANG Ru-yan³. Color face recognition based on singular values and RBF neural network[J]. Computer Engineering and Applications, 2009, 45(4): 190-192.

[1]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[2]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[3]	赵青，冶继民，常芳丽. 两正定矩阵联合对角化盲分离算法[J]. 计算机工程与应用, 2019, 55(7): 214-219.
[4]	曹浩，陈里里，司吉兵，任君兰. 奇异值分解和稀疏自编码器的轴承故障诊断[J]. 计算机工程与应用, 2019, 55(20): 257-262.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	赵建，张友鹏，赵斌. 基于奇异值分解理论的钢轨断裂检测方法[J]. 计算机工程与应用, 2018, 54(9): 243-250.
[7]	梁新宇1，2，吴建德1，2，黄国勇1，2，孙磊1，2. H∞鲁棒自适应CKF算法在组合导航中的应用[J]. 计算机工程与应用, 2018, 54(9): 251-256.
[8]	王茜竹，邱聪聪. Massive MIMO系统基于子空间的半盲信道估计[J]. 计算机工程与应用, 2018, 54(8): 91-95.
[9]	黄刚劲1，2，范玉刚1，2，冯早1，2，刘英杰1，2. 基于广义形态滤波和MRSVD的故障诊断方法研究[J]. 计算机工程与应用, 2018, 54(3): 217-221.
[10]	李天雪，王建平，张敏情，孔咏骏. 基于SVD压缩的高保真可逆信息隐藏算法[J]. 计算机工程与应用, 2018, 54(14): 115-119.
[11]	刘翠响，马玉双，王宝珠，郭志涛. 过完备字典稀疏表示下的RAMP重构算法[J]. 计算机工程与应用, 2018, 54(14): 199-202.
[12]	郑雄风，丁立新，万润泽. 基于用户和产品Attention机制的层次BGRU模型[J]. 计算机工程与应用, 2018, 54(11): 145-152.
[13]	李越1，2，范玉刚1，2，黄国勇1，2. MRSVD敏感分量在单频周跳探测修复中的应用[J]. 计算机工程与应用, 2017, 53(7): 220-224.
[14]	符颖，王星，周东青，范翔宇，周一鹏. 基于模糊函数SVD和改进S3VM的雷达信号识别[J]. 计算机工程与应用, 2017, 53(6): 264-270.
[15]	张培科1，2，武元新2，蔡奇1，2. 基于单应矩阵的相对位姿改进算法[J]. 计算机工程与应用, 2017, 53(15): 25-30.

奇异值和RBF神经网络的彩色人脸识别

Color face recognition based on singular values and RBF neural network

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