- 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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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
一种对角LDA算法及其在人脸识别上的应用.pdf
第13卷第4期 中国图象图形学报 V01.13,No.4
2008年4月 of and Apr·,2008
Journal
ImageGraphics
一种对角LDA算法及其在人脸识别上的应用
林宇生n 王建国L2’ 杨静宇”
¨(南京理工大学计算机系,南京210094)2’(唐山学院网络教育中心,唐山063000)
摘要2维特征抽取方法(如2DPCA、2DLDA),因为其抽取特征的速度和识别率要比1维的方法好,所以在人脸
analysis.
识别中得到了广泛的应用。最近基于2DPCA又提出了对角主成份分析(diagonalprincipalcomponent
DiaPCA),该方法由于保持了图像的行变化和图像的列变化之间的相关性,从而克服了2DPCA仅能反映图像行之
问的变化,而忽略了图像列之间变化的缺点。但是,由于DiaPCA并没在特征抽取中融入鉴别信息,同时2DLDA也
lineardicriminant
对角线性鉴别分析(diagonal analysis,DiaLDA)的新箅法,该新算法是基于对角人脸图像来求解最
比较。实验结果表明,该方法比其他方法的识别性能要好。
关键词2维主成份分析2维线性判别分析对角主成份分析对角线性鉴别分析特征抽取人脸识别
中图法分类号:TP391.4文献标识码:A 文章编号:1006·8961(2008)04.0686.05
A LinearDiscriminant
Diagonal AnalysisAlgorithm
with toFace
ApplicationRecognition
LIN
Yu.sheng”,WANGJian.gu01·”,YANG
Jing.yu”
Science
’(Department矿ComputerNanfingUniversityofScience&Technology,Nanfing210094)
2’(TangshanCollege。NetworkEducation063000)
Center,Tangshan
Abstract extractionmethods
Two—dimensional(2D)featuresuch聃2DPCA(two-dimensional
using principalcomponent
finear of in
discriminant interestface becauseitextracts
2DLDA(two—dimensionalanalysis)
文档评论(0)