融合2DPCA和模糊2DLDA的人脸识别
结合模糊集理论、双向二维主成分-线性鉴别分析((2D)2PCALDA)的特点,提出一种新的人脸图像特征提取方法.算法首先对人脸图像进行二维主成分分析(2DPCA)处理,再用模糊K近邻算法计算图像的隶属度矩阵,并将其融入到2DLDA过程中,从而得到模糊类间散射矩阵和模糊类内散射矩阵.与(2D)2PCALDA相比,该算法充分利用了(2D)2PCALDA的优点,有效地提取了行和列的识别信息,并充分考虑了样本的分布信息.在Yale和FERET人脸数据库上的实验结果表明,该方法识别效果优于(2D)2PCALDA、双向二维主成分分析((2D)2PCA)等方法.
人脸识别、二维主成分分析、二维线性鉴别分析、模糊Fisherface、特征提取
31
TP391.41(计算技术、计算机技术)
江苏省自然科学基金资助项目BK20080544
2011-04-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
420-422,449