资源描述：
《基于奇异值分解和判别式kl投影的人脸识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、1000-9825/2003/14(04)0783©2003JournalofSoftware软件学报Vol.14,No.4∗基于奇异值分解和判别式KL投影的人脸识别1+1,2,31,3周德龙,高文,赵德斌1(中国科学院研究生院,北京100039)2(中国科学院计算技术研究所,北京100080)3(哈尔滨工业大学计算机科学与工程系,黑龙江哈尔滨150001)FaceRecognitionBasedonSingularValueDecompositionandDiscriminantKLProjection1+
2、1,2,31,3ZHOUDe-Long,GAOWen,ZHAODe-Bin1(GraduateSchool,TheChineseAcademyofSciences,Beijing100039,China)2(InstituteofComputingTechnology,TheChineseAcademyofSciences,Beijing100080,China)3(DepartmentofComputerScienceandEngineering,HarbinInstituteofTechnology,Ha
3、rbin150001,China)+Correspondingauthor:Phn:86-10-82649005,E-mail:dlzhou@jdl.ac.cnhttp://www.jdl.ac.cnReceived2001-08-08;Accepted2001-12-27ZhouDL,GaoW,ZhaoDB.FacerecognitionbasedonsingularvaluedecompositionandDiscriminantKLprojection.JournalofSoftware,2003,14
4、(4):783~789.Abstract:Thefacerecognitionisanactivesubjectinthefieldsofcomputervisionandpatternrecognition,whichhasawiderangeofpotentialapplications.Inthispaper,amethodforcolorfacerecognitionispresented,thisalgorithmextractsthefinalfeaturesbyutilizingthetechn
5、iquesofthesimulativeK-Ltransform,thesingularvaluedecomposition,theprincipalcomponentanalysisandtheFisherlineardiscriminantanalysis.Classifierinthisalgorithmcanbesimplifiedtomakeitmorecompactandeffective,andhighercorrectrecognitionratecanbegainedusinglessnum
6、beroffeaturevectors.Theeffectivenessoftheapproachisexperimentallydemonstrated.Keywords:facerecognition;featureextraction;K-Ltransform;singularvaluefeaturevector;principalcomponentanalysis;Fisherlineardiscriminantanalysis摘要:人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用
7、前景.提出了一种新的彩色人脸识别方法.该算法采用模拟K-L变换、奇异值分解、主分量分析和Fisher线性判别分析技术来提取最终特征,可以使分类器的设计更加简洁、有效,使用较少的特征向量数目就能取得较高的识别率.仿真结果表明了该方法的有效性.关键词:人脸识别;特征提取;K-L变换;奇异值特征向量;主分量分析;Fisher线性判别分析中图法分类号:TP391文献标识码:A∗SupportedbytheNationalHigh-TechResearchandDevelopmentPlanofChinaunderGr
8、antNo.2001AA114190(国家高技术研究发展计划(863))第一作者简介:周德龙(1966－),男,浙江义乌人,博士,主要研究领域为图像处理,模式识别,人体生物特征识别.784JournalofSoftware软件学报2003,14(4)人脸的自动识别是生物测定学研究的内容之一,是模式识别领域中的一个前沿课题.该课题的研究已有30[1,2]多年的历史.目前,人脸的自动识别正越来越成为当前
