2009-11-12
提出了一种基于二维PCA(2DPCA)和边界训练样本的人脸识别方法．某类的边界样本作为该类的特殊样本，在特征空间的投影值更有可能构成该类投影区域的边界，因此，利用边界样本训练分类器，有利于提高其
武汉理工大学理学院数学系,武汉理工大学理学院数学系,武汉理工大学理学院数学系
#计算机科学技术#
2011-03-08
本文提出一种基于二维Gabor小波特征矩阵的增强2DPCA人脸识别算法。该算法利用了Gabor小波变换对位置和光线的不敏感性及良好的纹理提取特性，以二维Gabor小波矩阵描述人脸特征。使用增强
太原理工大学信息学院,太原理工大学信息学院
#计算机科学技术#
2014-12-19
集中的图片较多导致矩阵计算量大，因此基于PCA算法的人脸识别耗时较长，不适合单机串行运行。本文针对PCA算法的这一缺点，综合了基于二维矩阵处理的二维主成分分析（2DPCA）算法，提出了一种单机基于GPU
北京邮电大学计算机学院，北京 100037,北京邮电大学计算机学院，北京 100037
#计算机科学技术#
2020-06-29
自适应多重均匀局部二值模式(WA-MULBP)与二维主成分分析(two dimensional principal component analysis, 2DPCA)相结合的掌纹识别方法?首先采用直方图
辽宁省教育厅科学研究项目（LJ2019JL022）
辽宁省自然科学基金面上项目（L2014132）
辽宁省自然科学基金指导计划项目（2015020100）
Automation and Electrical Engineering school, Shenyang Ligong University, Shenyang 110159,Electronic and Information Engineering School, Liaoning Technical University, Huludao 125105
2010-11-15
）及其改进算法二维主成分分析(2DPCA)方法进行了理论研究，并通过MATLAB仿真进行了性能比较，实验表明2DPCA识别率更高，识别时间更短。
武汉理工大学信息学院,武汉理工大学信息学院,武汉理工大学信息学院
2012-01-31
component analysis，2DPCA）和双向主分量分析算法（bidirectional PCA，BDPCA）。它们都是通过最大化投影矩阵散度来提取特征进而解决二维数据判别分析的问题。本文根据重构误差准则来
literature. In image domain, two-dimensional PCA (2DPCA) is directly based on image matrices, obviating the
2011-01-12
This work was supported by Specialized Research Fund for the Doctoral Program of Higher Education of China under grant（20070286030）
Research Center for Learning Science, Southeast University
Two-Dimensional Principal Component Analysis(2DPCA) is used to transform the above matrixes to two vectors while
2014-01-24
School of Computer Software Tianjin University
2013-08-29
针对人脸识别中光照变化对识别率的影响，提出了一种光照条件变化下的正面人脸识别新算法。新算法融合了高斯滤波器、基于韦伯局部描述算子（Weber Local Descriptor,WLD）预处理方法、完备线性判别分析（Complete Linear Discriminant Analysis,CLDA）特征提取算法。首先进行高斯滤波与WLD算法预处理，提取出在变化条件下对光线不敏感的面部特征，然后选用CLDA算法进行特征提取，CLDA结合了零空间LDA(Null Space LDA,NS-LDA)和Fisherface方法，最后采用最近邻分类方法进行分类。利用受到不同程度光照影响的The Extended Yale Database B人脸库进行实验，并与直方图均衡化、局域标准化等预处理方法和经典的Fisherface、主分量分析、二维主分量分析等方法比较，新算法不仅具有较好的识别效果，且算法简便运行速度快，满足光照条件不理想的人脸识别实时性要求。
广东省科技计划重点项目（2009A030200002）
暨南大学信息科学技术学院，广州 510632,暨南大学信息科学技术学院，广州 510632；暨南大学电气信息学院，珠海 519070
#计算机科学技术#
提示
