您的位置: 专家智库 > >

黄璞

作品数:9 被引量:57H指数:5
供职机构:南京理工大学计算机科学与技术学院更多>>
发文基金:国家自然科学基金江苏省普通高校研究生科研创新计划项目江苏省高校自然科学研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 8篇期刊文章
  • 1篇学位论文

领域

  • 9篇自动化与计算...

主题

  • 9篇人脸
  • 9篇人脸识别
  • 6篇特征提取
  • 4篇独立分量分析
  • 3篇流形
  • 3篇局部保持投影
  • 3篇ICA
  • 2篇图像
  • 2篇主分量
  • 2篇主分量分析
  • 2篇线性鉴别分析
  • 2篇流形学习
  • 2篇分块
  • 1篇性能评价
  • 1篇人脸识别方法
  • 1篇人脸图像
  • 1篇识别方法
  • 1篇特征抽取
  • 1篇图像矩
  • 1篇图像矩阵

机构

  • 5篇南京理工大学
  • 4篇扬州大学

作者

  • 9篇黄璞
  • 4篇陈才扣
  • 3篇唐振民
  • 1篇刘传才
  • 1篇杨章静
  • 1篇朱俊

传媒

  • 2篇模式识别与人...
  • 2篇计算机工程与...
  • 2篇中国图象图形...
  • 1篇计算机辅助设...
  • 1篇计算机工程与...

年份

  • 2篇2014
  • 2篇2013
  • 1篇2012
  • 2篇2010
  • 2篇2009
9 条 记 录,以下是 1-9
排序方式:
鉴别的局部中值保持投影及其在人脸识别中的应用被引量:7
2012年
针对已有的鉴别的局部保持投影算法在特征提取问题中存在的不足,提出了鉴别的局部中值保持投影,通过最大化类间距离同时最小化类内距离寻找最佳投影矩阵,并将其用于人脸识别.该算法利用样本的类中值计算类间距离,有效地保留了图像信息;设计了一种不同的相似性度量机制,以保持受噪声影响较小的类内样本之间的邻域关系,从而进一步加强识别效果的鲁棒性.最后通过在ORL,Yale及AR人脸库上的实验,验证了文中算法的有效性.
黄璞唐振民
关键词:人脸识别特征提取线性鉴别分析
基于分块独立分量分析的人脸识别被引量:9
2009年
提出了一种基于分块独立分量分析(BICA)的特征提取方法。该方法通过将人脸分块降低了光照条件、人脸表情等外在因素对人脸识别的影响,并先后将分块后重组的矩阵的行和列作为训练样本提取独立分量,由于训练样本维数很小,因此它降低了传统独立分量分析(ICA)方法中存在的高维小样本问题产生的识别错误率,同时减少了识别时间。在Yale人脸库和AR人脸库上验证了该算法的有效性。
陈才扣黄璞
关键词:分块特征提取人脸识别
分类概率保持鉴别分析及其在人脸识别中的应用被引量:2
2014年
针对特征提取算法中存在的问题,在线性鉴别分析的基础上提出分类概率保持鉴别分析(CPPDA)并成功应用于人脸识别.CPPDA首先计算每个样本的分类概率,并利用分类概率重新定义样本的类间散布矩阵和类内散布矩阵;然后通过最大化类间散度同时最小化类内散度寻求最佳投影矩阵,使得样本的原始分布信息在低维特征空间能得到保持.在ORL、Yale及FERET人脸库上进行测试比较,结果表明文中所提方法的优越性.
杨章静刘传才黄璞朱俊
关键词:人脸识别特征提取流形
基于流形学习的特征提取与人脸识别研究
人脸识别是生物特征识别领域的一个活跃方向,主要任务是根据人脸图像中的有效鉴别信息进行个体的身份识别。在人脸图像识别过程中,由于原始的图像样本数目较少且维数较高,如何提取关键特征进行维数约简与识别一直是该领域研究的一个难点...
黄璞
关键词:人脸识别特征提取流形学习性能评价
增强的无监督人脸鉴别技术
2010年
增强的独立分量分析(EICA)是一种基于样本整体特征的无监督特征抽取方法,并没有考虑样本的局部特征,因此EICA不利于处理人脸识别这类非线性问题的。无监督鉴别投影技术(UDP)用于高维数据压缩,其基本思想是寻找一组有效的投影方向,使得样本投影后,局部散度最小同时非局部散度最大。UDP同时考虑到样本的局部特征和非局部特征,能够反映样本内在的数据关系,因此UDP能够对样本有效地分类。提出了一种增强的无监督人脸鉴别技术,该方法结合了EICA和UDP的优点,能够:(1)反映样本高阶统计特征;(2)发掘样本内在的几何结构,从而有利于分类。在Yale人脸库和FERET人脸库上的实验验证了该算法的有效性。
黄璞陈才扣
关键词:独立分量分析特征抽取人脸识别
基于局部人脸图像的ICA人脸识别方法被引量:9
2010年
提出了一种基于局部人脸图像独立分量分析的特征提取方法。该方法将人脸图像分成若干个相等的部分,将分成的局部人脸图像矩阵作为训练样本,并先后从水平方向、垂直方向提取训练样本的独立分量。相较于传统的独立分量分析(ICA)方法,该方法具有如下优点:有效解决了传统ICA在进行特征抽取过程中的高维小样本问题;将局部人脸图像作为训练样本,这不仅增加了训练样本数,而且有利于提取人脸局部特征;依次从训练样本的水平方向、垂直方向提取训练样本特征,使得提取的特征不仅维数更小,而且能更有效地反映样本的局部信息。以上优点使得提出的算法较传统方法在人脸识别方面更稳定,识别率更高,在Yale人脸库和AR人脸库上验证了该算法的有效性。
黄璞陈才扣
关键词:分块人脸识别
最小距离鉴别投影及其在人脸识别中的应用被引量:10
2013年
针对人脸识别问题,提出了最小距离鉴别投影算法,其与经典的线性鉴别分析不同,它是一种流形学习降维算法。该算法首先定义样本的类内相似度与类间相似度:前者能够度量样本与类内中心的距离关系,后者不仅能够反映样本与类间中心的距离关系而且能够反映样本类间距与类内距的大小关系;然后将高维数据映射到低维特征空间,使得样本到类内中心距离最小同时到类间中心距离最大。最后,在ORL、FERET及AR人脸库上的实验结果表明所提算法识别性能要优于其他算法。
黄璞唐振民
关键词:人脸识别降维线性鉴别分析局部保持投影
无参数局部保持投影及人脸识别被引量:16
2013年
局部保持投影(LPP)通过构造近邻图来保持样本的局部结构,在构图过程中,LPP面临复杂的参数选择问题.为解决此问题,提出无参数局部保持投影(PLPP)算法.首先设计一种无参数的构图方法,能够动态地获取样本的近邻点并配置相应的边权.其次,利用该构图方法,PLPP通过寻求最佳投影矩阵,用于保持样本在低维空间的局部结构.由于PLPP在构图过程中并未设置任何参数且采用余弦距离设置边权,因此PLPP计算更加方便快捷且对离群样本更具鲁棒性.另外,为进一步提升PLPP的识别性能,在PLPP的基础上通过加入样本的类别信息,提出监督的无参数局部保持投影算法(SPLPP).最后,在ORL、FERET及AR人脸库上的实验验证了PLPP与SPLPP的有效性.
黄璞唐振民
关键词:人脸识别特征提取流形学习
基于二维图像矩阵的ICA人脸识别被引量:3
2009年
为了解决传统独立分量分析(ICA)在人脸识别过程中存在的高维小样本问题,同时为了提高识别效率,提出了一种基于二维图像矩阵的独立分量分析(ICA)特征提取方法。该方法将人脸图像矩阵作为训练样本,首先利用主分量分析(PCA)对训练样本进行去二阶相关和降维处理,然后对处理后的样本进行ICA特征提取,由于训练样本维数很小,因此它降低了传统ICA方法中高维小样本问题产生的识别错误率,同时减少了识别时间。在Yale人脸库和ORL人脸库上验证了该算法的有效性。
黄璞陈才扣
关键词:特征提取人脸识别
共1页<1>
聚类工具0