基于子模式的加权邻域极大边界准则的人脸识别.pdfVIP

基于子模式的加权邻域极大边界准则的人脸识别.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
光电工程

第 38卷第 5期 光 电工程 Vbl-38.NO.5 2011年 5月 Opto—ElectronicEngineering May,2011 文章编号:1003—501X(2011)05—0139—06 基于子模式的加权邻域极大 边界准则的人脸识别 江艳霞,任 波 (上海理工大学 光 电信息与计算机工程学院,上海 200093) 摘要:本文提 出了一种基于子模式的加权邻域极大边界准则的人脸识别算法。该方法首先在训练过程中对人脸图 像进行子块划分,采用邻接点的类信息自适应地计算每块的权重以提高人脸在姿态、表情以及光照等变化下的鲁 棒性。其次,对每块图像采用加权邻域极大边界准则进行特征提取 ,该准则充分利用了数据的类信息,选择数据 的邻域点最优重构系数用在 目标函数中,保留了数据的局部几何结构,从而在低维空间中提取出更好的分类特征。 最后在识别过程 中,融合待识别图像在各子块中与训练图像的相似度进行识别。实验结果表明,本文算法能够有 效地提取局部特征,较好地保留原始数据的非线性结构,较其他全局方法如主成分分析方法,线性判别式方法和 加权邻域极大边界准则算法具有更好的识别性能。 关键词:人脸识别;主成分分析;线性判别式;子模式;加权邻域极大边界准则 中图分类号:TP391.41 文献标志码:A doi:10.3969/j.issn.1003.501X.2011.05.025 Subpattern—basedW eightedNeighbOrhOOdM aximum M arginCriterionforFaceRecognition JIANG Yaii—xia,REN B0 (SchoolofOptical-electricalandCompu~rEngineering,Universityof ShanghaiforScienceandTechnology,Shanghai200093,China) Abstract:A Subpa~ern—basedWeightedNeighborhoodMaximum MarginCriterion (SP-WNMMC)algorithm is proposedforfacerecognition.Inordertoenhancetherobustnesstofacialpose,expressionandilluminationvariations, SP-W NMMC methodfirstlyoperatesonsub—patternspartitionedfrom anoriginalwholefaceimage.Thecontributionof each sub—paBem can beadaptively computedthroughtheclassinformation ofneighborhood.Secondly,WNMMC is adoptedineachsub-patterntoextractlocalfeatures.WNM MCcanpreservethelocalgeometricstructureofdatabase.The objectivefunctionofWNMMCleadstohteenhancementofclassificationcapacitybyusingthelinearreconstruction coeffi cients.Thirdly,foranew faceimagetoberecognized,allthelikelihoodsinallthesu

文档评论(0)

fengbing + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档