结合小波变换和图像主元分析的人脸识别

doi:10.3778/j.issn.1002-8331.2010.04.001

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (4): 1-3.DOI: 10.3778/j.issn.1002-8331.2010.04.001

结合小波变换和图像主元分析的人脸识别

杨军^1，2，3，袁红照^1，2

1.四川大学图形图像研究所，成都 610064
2.四川大学视觉合成图形图像技术国防重点实验室，成都 610064
3.四川师范大学计算机科学学院，成都 610066

收稿日期:2009-08-12 修回日期:2009-11-18 出版日期:2010-02-01 发布日期:2010-02-01
通讯作者: 杨军

Combining wavelet transform with image principal component analysis for face recognition

YANG Jun^1，2，3，YUAN Hong-zhao^1，2

1.Institute of Image & Graphic，Sichuan University，Chengdu 610064，China
2.Key Laboratory of Fundamental Synthetic Vision Graphics and Image for National Defense，Sichuan University，Chengdu 610064， China
3.College of Computer Science，Sichuan Normal University，Chengdu 610066，China

Received:2009-08-12 Revised:2009-11-18 Online:2010-02-01 Published:2010-02-01
Contact: YANG Jun

摘要/Abstract

摘要： 提出了一种基于小波变换和图像主元分析（IMPCA）相结合的人脸识别方法。小波变换具有保留主要信息，去除噪声的作用，对人脸图像进行小波变换，对变换后的近似图像采用IMPCA方法进行识别。IMPCA是一种快速有效的直接通过图像抽取特征的方法，从图像重构的角度分析了实现IMPCA的两种模式，两种模式分别增强了图像的行特征和列特征，将它们的识别结果进行决策融合可以获得更好的识别效果。基于ORL人脸数据库的实验表明，所提出的方法在识别率上优于单独的IMPCA方法。

Abstract: A face recognition method based on wavelet and Image Principal Component Analysis（IMPCA） is presented.Approximate coefficients of an image can be gotten and its noise is weakened by transforming it with wavelet.The proposed method firstly transforms face image with wavelet to get approximate image，then recognizes with the approximate image based on IMPCA.IMPCA is a rapid feature extract method from matrix itself，no needing regard an image as a vector.This paper presents the basic theory of IMPCA from the view of minimizing the mean reconstruction error and shows two different modules of feature extract based on IMPCA.It analyzes the feature generated from two modules and finds they respectively enhance row characters and column characters.It fuses the recognition results with two features to achieve better accuracy rate.The experiment result on ORL face database shows the proposed method is efficient and the recognition accuracy rate is better than IMPCA only.

中图分类号:

TP391.4

杨军^1，2，3，袁红照^1，2. 结合小波变换和图像主元分析的人脸识别[J]. 计算机工程与应用, 2010, 46(4): 1-3.

YANG Jun^1，2，3，YUAN Hong-zhao^1，2. Combining wavelet transform with image principal component analysis for face recognition[J]. Computer Engineering and Applications, 2010, 46(4): 1-3.

[1]	吴晓¹，龙奕²，尹忠科¹，王建英¹. 依据HVS的改进Bandelet变换域图像数字水印[J]. 计算机工程与应用, 2010, 46(8): 163-166.
[2]	安红岩¹，张正肖²，杨武年¹. Curvelet变换在多聚焦图像融合中的应用[J]. 计算机工程与应用, 2010, 46(8): 170-173.
[3]	张月琴，白雅彬. 用于图像分割的粗糙集改进模糊聚类方法[J]. 计算机工程与应用, 2010, 46(8): 177-179.
[4]	赵宏^1，3，4，刘爱霞²，王恺^1，3，4，白志鹏^1，3. 环境空气SO₂和NO₂浓度的GA_ANN预测模型研究[J]. 计算机工程与应用, 2010, 46(8): 199-201.
[5]	郭庆昌，王敏毅. 均值移动算法收敛性及均值移动矢量夹角分析[J]. 计算机工程与应用, 2010, 46(7): 34-38.
[6]	陈骥思，余艳梅，殷宇，滕奇志. 自适应快速FCM彩色图像分割研究[J]. 计算机工程与应用, 2010, 46(7): 178-180.
[7]	印勇，王云，刘丹平. 血细胞图像分割的改进MEANSHIFT方法[J]. 计算机工程与应用, 2010, 46(6): 178-180.
[8]	赵敬^1，2，刘学³，戚文静⁴. 基于范例匹配的卡通形象设计方法研究[J]. 计算机工程与应用, 2010, 46(6): 71-74.
[9]	刘国金，曾孝平. 相干光学系统图像复原的各向异性扩散方法[J]. 计算机工程与应用, 2010, 46(6): 14-15.
[10]	刘雪燕，夏汉铸，袁宝玲. 基于新的MRSVM说话人辨识方法[J]. 计算机工程与应用, 2010, 46(5): 136-139.
[11]	王玉娟^1，2，鲁书喜^1，2. 基于模糊逻辑和纹理分析的图像增强算法研究[J]. 计算机工程与应用, 2010, 46(5): 140-142.
[12]	高仕龙. 一种新的英文文本检索算法[J]. 计算机工程与应用, 2010, 46(5): 21-23.
[13]	袁伟才，徐向民. 一种有效的动态背景提取及更新方法[J]. 计算机工程与应用, 2010, 46(4): 191-192.
[14]	徐大宏^1，2，王润生¹. 空间结构自适应的图像复原模型[J]. 计算机工程与应用, 2010, 46(3): 179-182.
[15]	柴学梁¹，吴向阳¹，王毅刚¹，戴大蒙². 采用重要性面片采样的实时全局光照[J]. 计算机工程与应用, 2010, 46(2): 174-176.

结合小波变换和图像主元分析的人脸识别

Combining wavelet transform with image principal component analysis for face recognition

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