基于图像分块的改进Fisher人脸识别算法

doi:10.3778/j.issn.1002-8331.2009.19.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (19): 165-167.DOI: 10.3778/j.issn.1002-8331.2009.19.051

• 图形、图像、模式识别 • 上一篇下一篇

基于图像分块的改进Fisher人脸识别算法

梁淑芬^1,2,3,甘俊英^1,2,3

1.五邑大学信息学院，广东江门 529020
2.北京大学视觉与听觉信息处理国家重点实验室，北京 100871
3.浙江大学 CAD&CG国家重点实验室，杭州 310027

收稿日期:2008-12-04 修回日期:2009-03-04 出版日期:2009-07-01 发布日期:2009-07-01
通讯作者: 梁淑芬

Improved Fisher algorithm for face recognition based on image segmentation

LIANG Shu-fen^1,2,3,GAN Jun-ying^1,2,3

1.School of Information，Wuyi University，Jiangmen，Guangdong 529020，China
2.National Laboratory on Machine Perception，Peking University，Beijing 100871，China
3.CAD&CG National Laboratory，Zhejiang University，Hangzhou 310027，China

Received:2008-12-04 Revised:2009-03-04 Online:2009-07-01 Published:2009-07-01
Contact: LIANG Shu-fen

摘要/Abstract

摘要： 二维方法用于图像矩阵特征提取，虽然速度快，但影响了分类速度。针对二维线性鉴别分析（Two-Dimensional Linear Discriminant Analysis，2DLDA）的特点，研究了一种基于图像分块的改进Fisher人脸识别算法，该算法首先对人脸图像进行压缩降维处理，得到相应的特征矩阵，然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算，该算法充分考虑了类别信息，避免了传统Fisher算法造成的小样本问题，有效提高了分类速度。基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果证明了该算法的有效性。

关键词: 人脸识别, 二维线性鉴别分析, 改进Fisher算法

Abstract: The features of original image matrixes can be computed directly and rapidly by way of two-dimensional methods，but the classification speed is affected by many features.Combined with the traits of Two-Dimensional Linear Discriminant Analysis（2DLDA），a method of improved Fisher algorithm for face recognition is presented based on image segmentation.Firstly，compression is done to face image respectively，and the corresponding feature matrixes are obtained.Secondly，The improved Fisher algorithm works with matrix representation.Compared with the traditional Fisher method，small samples problem are avoided by the improved Fisher method，in which category information is considered and classification speed is improved.Experimental results on ORL（Olivetti Research Laboratory） and Yale face database show that the propsed method is valid in face recognition.

Key words: face recognition, Two-Dimensional Linear Discriminant Analysis（2DLDA）, the improved Fisher algorithm

梁淑芬^1,2,3,甘俊英^1,2,3. 基于图像分块的改进Fisher人脸识别算法[J]. 计算机工程与应用, 2009, 45(19): 165-167.

LIANG Shu-fen^1,2,3,GAN Jun-ying^1,2,3. Improved Fisher algorithm for face recognition based on image segmentation[J]. Computer Engineering and Applications, 2009, 45(19): 165-167.

[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.

基于图像分块的改进Fisher人脸识别算法

Improved Fisher algorithm for face recognition based on image segmentation

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