DCT系数重组在特征脸中的应用研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 197-199.

• 图形、图像、模式识别 • 上一篇下一篇

DCT系数重组在特征脸中的应用研究

张娜娜1，吴翔1，马燕2

1.上海建桥学院信息技术系，上海 201319
2.上海师范大学计算机系，上海 200234

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Research on eigenface based on reordered DCT coefficients

ZHANG Nana1，WU Xiang1，MA Yan2

1.Department of Computer Science，Shanghai Jianqiao College，Shanghai 201319，China
2.Department of Computer，Shanghai Normal University，Shanghai 200234，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 针对现在图像压缩主要采用DCT变换方法，提出了一种对DCT系数进行重组的方法，获取三级多分辨率子带。通过对各单独子带实施特征脸方法可得到不同的识别效果。提出在子带[S0]和子带[S1]，[S2]和[S3]上进行特征脸方法识别，如两者结果不一致，则在满足一定门限条件下输入多张人脸，分析了所提出方法与原方法所需识别时间的关系。在ORL库和YALE库上的实验表明，提出方法的识别率要远高于直接采用特征脸方法。

关键词: 人脸识别, 特征脸, DCT变换

Abstract: Because current image compression schemes are mainly focused on DCT transformation，three level multiresolution subbands from reordered DCT coefficients for face image are acquired ahead of the using of eigenface method.Different results are achieved by applying the eigenface method on each single method.A method is proposed which recognizes the eigenface on subband [S0] and subband [S1]，[S2] and [S3].If this paper can get different results，more face images are input under certain threshold condition.The relationship of recognition time between the proposed method and the original method is analyzed.The experimental results on ORL and YALE database show that the recognition rate of the proposed method is higher than those of directly using the eigenface method.

Key words: face recognition, eigenface, DCT transform

张娜娜1，吴翔1，马燕2. DCT系数重组在特征脸中的应用研究[J]. 计算机工程与应用, 2011, 47(19): 197-199.

ZHANG Nana1，WU Xiang1，MA Yan2. Research on eigenface based on reordered DCT coefficients[J]. Computer Engineering and Applications, 2011, 47(19): 197-199.

[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.

DCT系数重组在特征脸中的应用研究

Research on eigenface based on reordered DCT coefficients

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