搜索结果: 1-4 共查到“计算机科学技术 二维主成分分析”相关记录4条 . 查询时间(0.436 秒)
基于二阶双向二维主成分分析的人脸识别方法
特征提取 主成分分析 人脸识别
2009/4/14
为了克服光照变化较大的情况对识别率的影响，提出基于二阶双向二维主成分分析(Sec-(2D)2PCA)的人脸识别方法。丢弃提取人脸图像的(2D)2PCA的前几个反映光照信息的主成分。在剩余图像中再次使用(2D)2PCA方法。Yale人脸库B和Yale人脸库上的试验结果表明，该方法在识别性能上优于2DPCA、(2D)2PCA、Sec-2DPCA方法。
基于二维主成分分析的指纹识别算法
指纹识别 二维主成分分析 奇异点
2009/4/14
提出一种基于指纹统计特性的识别算法。该算法根据奇异点的位置和方向，提取指纹图像的感兴趣区域(ROI)，并使用二维主成分分析(2DPCA)的方法进行统计特征的提取和识别。在FVC2002指纹数据库上进行实验，结果表明：相对于PCA，该方法的计算速度更快。相对于传统的基于特征点的方法，该方法的实现更为简便。
模块二维主成分分析——人脸识别新方法
线性鉴别分析 特征抽取 特征矩阵 人脸识别
2009/2/12
提出了模块二维主成分分析(M2DPCA)线性鉴别分析方法。M2DPCA方法先对图像矩阵进行分块，对分块得到的子图像矩阵直接进行鉴别分析。其特点是：能有效地降低模式原始特征的维数；可以完全避免使用矩阵的奇异值分解，特征抽取方便；此外，2DPCA是M2DPCA的特例。在ORL人脸库上试验结果表明，M2DPCA方法在识别性能上优于PCA，比2DPCA更具有鲁棒性。