PCA 算法通过降低维度, 提取主元素,减少了数据冗余,解决了图像纬度太高无法处理或处理很慢的特点,同时保持了 原始图像的绝大部分信息。在人脸识别领域,很多先进的识别算法都是在其基础上的改进。所 以研究基于 PCA 的人脸识别算法实现具有重要的理论和使用价值。 本文主要介绍基于 PCA 的人脸识别算法的实现,除第一...
Lacramioara 还提出了基于高阶奇异值分解的新算法,此算法仅利 用第三阶量来编写不同的量矩阵乘法模式,该算法在识别率上比特征脸算法更加成 功。 1.2.2 国研究现状 国的研究起步相对较晚,大概在二十世纪末才开始。雷震等人将人脸识别不仅 应用在识别人脸,还应用在了识别卡片,蔡芷玲等人将人脸识别技术运用到了...
基于模块C-2DPCA算法的人脸识别方法
人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域,其中包括人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度等技术。 人脸识别技术属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。人脸识别技术是基于人的脸部特征,对输入的人脸图像或者...
在人脸识别技术中,基于PCA(Principal Component Analysis,主成分分析)和LDA(Linear Discriminant Analysis,线性判别分析)的改进算法已经成为了当前的主流技术,能够在一定程度上提高人脸识别的准确性和稳定性。 一、 PCA和LDA的基本原理 PCA是一种常用的数据降维技术,通过线性变换将原始数据映射到一个新的空间中,使得变换...
因此,研究改进算法以提高人脸识别技术的性能和稳定性是很有必要的。本文基于PCA和LDA两种常用算法,探究其在人脸识别中的应用,提出改进算法,以提高人脸识别的准确率和鲁棒性。 一、PCA与LDA算法 PCA(Principal Component Analysis)是一种基于线性代数的实用算法。它是一种经典的降维算法,主要通过线性变换将高维数据映射...
基于PCA和LDA的人脸识别技术是目前应用较广的一种技术。PCA(Principal Component Analysis)是一种常用的线性降维技术,它可以从高维空间中提取出对分类数据有最大贡献的主成分,将高维的数据转换为低维的数据。LDA(Linear Discriminant Analysis)是一种具有分类能力的降维技术,通过将数据投影到一条直线上,使得同一类别的数...
基于PCA特征基压缩传感算法的人脸识别 针对人脸识别对遮挡、表情和光照的鲁棒性问题,提出基于PCA特征基压缩传感算法的人脸识别方法。利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映... 张尤赛,赵艳萍,朱志宇 - 《计算机工程》 被引量: 5发表: 2012年 基于PCA特征基压缩传感算法的人脸识别 针对...
一种改进的模块PCA方法及其在人脸识别中的应用 提出了一种改进的模块PCA方法,即基于类内平均脸的分块PCA算法.该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块... 李晓东,费树岷,张涛 - 《测控技术》 被引量: 14发表: 2008年 ...
摘要 为了抑制主成分分析(PCA) 对图像中光照等变化的较高敏感性,进一步提高人脸识别率,提出了一种对图像灰度进行幂次变换预处理的策略.首先采用随机序列来选取人脸库中的训练样本和测 试样本,然后对随机人脸样本进行幂次变换和Butterwor... 关键...