基于加权KPCA和融合极限学习机的人脸识别

摘要：

针对传统的核主成分分析(KPCA)人脸识别算法的投影变换矩阵未必是最佳鉴别矩阵的问题,提出一种加权核主成分分析(WKPCA)的人脸识别算法.高分辨率人脸图像包含图像的大部分纹理信息,而低分辨率人脸图像体现了图像的大量形状信息,两类图像经WKPCA提取的特征具有一定的互补性,根据此特性将提取的特征融合以实现分类识别.所提算法采用ELM神经网络作为分类器,在ORL人脸库和Yale人脸库上的实验验证了算法的有效性.

关键词：人脸识别、WKPCA、鉴别矩阵、ELM、特征融合、人脸图像

所属期刊栏目：42

分类号：TN911.73-34;TP391

资助基金：国家自然科学基金资助项目61561048;新疆维吾尔自治区科学基金资助项目2015211C257

在线出版日期：2019-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：36-39,44