您的位置： 专家智库 > >

重庆市自然科学基金(CSTC2006BB2152)

作品数：5 被引量：67H指数：3
相关作者：李见为冯海亮黄鸿王玮黄非非更多>>
相关机构：重庆大学教育部重庆工学院更多>>
发文基金：重庆市自然科学基金国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 4篇人脸
  • 4篇人脸识别
  • 4篇流形
  • 4篇流形学习
  • 2篇有监督学习
  • 2篇局部线性嵌入
  • 1篇多尺度
  • 1篇多尺度分析
  • 1篇映射
  • 1篇直方图
  • 1篇人脸识别算法
  • 1篇算子
  • 1篇子流形
  • 1篇线性鉴别分析
  • 1篇小波
  • 1篇局部切空间
  • 1篇局部切空间排...
  • 1篇局部切空间排...
  • 1篇局部线性嵌入...
  • 1篇非线性

机构

  • 4篇重庆大学
  • 1篇教育部
  • 1篇重庆工学院

作者

  • 5篇冯海亮
  • 5篇李见为
  • 3篇黄鸿
  • 1篇王丽
  • 1篇王旭初
  • 1篇黄非非
  • 1篇王玮

传媒

  • 1篇光电子．激光
  • 1篇光学精密工程
  • 1篇计算机辅助设...
  • 1篇重庆大学学报...
  • 1篇沈阳建筑大学...

年份

  • 2篇2009
  • 3篇2008
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于非线性子流形的人脸识别被引量：3
2008年
介绍了流形、流形学习的数学基础及其应用时的核心问题,流形学习方法用于人脸识别的技术路线;通过实例分析讨论了流形学习主流算法——局部线性嵌入(LLE)算法的优势和存在的不足;使用ORL人脸数据库进行仿真实验并将识别效果与原始图像直接分类法、主成分分析法进行比较,验证了LLE算法的有效性及优势。
冯海亮李见为王旭初黄鸿
关键词：流形流形学习人脸识别局部线性嵌入算法
局部切空间排列算法及其在人脸识别中的应用
2009年
目的探索基于流形学习的人脸识别方法,将流形学习中的局部切空间排列算法(LT-SA)应用于人脸识别.方法利用样本点领域的切空间表示局部的几何性质,将局部切空间排列起来构造流形的全局坐标;用高斯核近似映射关系;在降维空间中用线性判别分析技术(LDA)提取特征;使用最近邻分类器进行分类识别;在Yale和CMU PIE人脸数据库上进行仿真实验.结果实验表明在Yale数据库上LTSA+LDA算法比已有LLE+LDA方法、LLTSA方法平均识别率分别高7.22%、19.11%;在CMU PIE数据库上分别高3.71%、29.56%.结论笔者提出的LTSA+LDA算法能较为有效地将局部切空间排列算法应用于人脸识别,显著提高了识别率.
冯海亮王丽李见为
关键词：流形学习局部切空间排列线性鉴别分析
使用多尺度LBP特征描述与识别人脸被引量：56
2008年
提出了一种基于多尺度LBP特征的人脸描述与识别算法。对原始人脸图像进行二级小波分解,并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱;将LBP特征谱划分为若干个互不重叠的特征区域,然后分别进行直方图统计。最后,将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库中取得了高达99%的人脸识别率。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力和可鉴别性,且对人脸表情及位置的变化具有较高的鲁棒性。
王玮黄非非李见为冯海亮
关键词：人脸识别多尺度分析LBP算子直方图
融合Log-Gabor小波和监督保局映射的人脸识别算法被引量：7
2008年
流形学习是一种非监督学习算法,其鉴别能力不如传统的维数约简算法,而且流形学习算法不能有效地消除图像中如高阶相关等冗余信息.针对这2个问题,提出一种融合Log-Gabor小波和监督保局映射的人脸识别算法.首先使用Log-Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应的Log-Gabor图像特征向量;然后使用监督保局映射算法对Log-Gabor特征向量进行维数约简,得到低维鉴别特征;最后使用最近邻分类器进行分类.该算法综合运用了Log-Gabor特征对人脸图像的优异的表征能力、SLPP的非线性维数约简能力,对光照变化、表情变化等具有良好的鲁棒性.在Yale和PIE人脸库上的仿真实验结果证明了文中算法的有效性.
黄鸿李见为冯海亮
关键词：人脸识别流形学习有监督学习
基于有监督的核局部线性嵌入的人脸性别识别被引量：4
2009年
流形学习方法可以有效地发现存在于高维图像空间的低维子流形并进行维数约简,但它是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简。针对这两个问题,提出一种新的有监督的核局部线性嵌入算法(SKLLE,supervised ker-nel local linear embedding)。该算法通过非线性核映射将人脸样本投影到高维核特征空间,然后将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,提取低维鉴别流形特征用于分类。SKLLE算法不仅能发现嵌入于高维人脸图像的低维子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高人脸性别识别的性能。
黄鸿李见为冯海亮
关键词：流形学习局部线性嵌入有监督学习
全选 清除 导出
共1页<1>
聚类工具0