公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

一种基于局部排序PCA的线性鉴别算法被引量：5: 2015年; 主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+LDA。与PCA和PCA+LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+LDA方法。; 庞成郭志波董健; 关键词：特征抽取分块PCA 线性鉴别分析

一类多频带主分量分析方法被引量：1: 2016年; 主分量分析是模式识别领域使用较广的一种特征抽取方法,但是由于经典的主分量分析在处理图像矩阵时需要将图像展开成向量形式,使得计算量很大。本文提出了一种多频带主分量分析方法,该方法不仅减少了运算过程中的计算量,而且在一定程度上提高了整体性能。首先通过二维离散余弦变换将图像转变成频率数据,再按照频率变化将数据分成多个频带,然后在此基础上设计了针对多个频带数据的主分量分析方法。通过对ORL和NUST603图像库进行实验证明,本文方法不仅具有快速提取图像特征的能力,而且综合性能优于相应的主分量分析。; 郭志波严云洋庞成; 关键词：主分量分析特征抽取

一类多频带主分量分析方法: 主分量分析(PCA)是模式识别领域使用较广的一种特征抽取方法，但是由于经典的主分量分析在处理图像矩阵时需要将图像展开成向量形式，使得计算量很大。本文提出了一种多频带主分量分析方法，不仅减少了过程中的计算量，而且提高了整体...; 郭志波严云洋庞成

多技术融合的Mean-Shift目标跟踪算法被引量：4: 2015年; 在研究经典算法的基础上,提出了一种多技术融合的Mean-Shift目标跟踪算法,有效地解决了经典MeanShift跟踪算法存在的缺陷。通过Kalman算法预测估计目标的中心位置,通过分块颜色直方图提取目标区域的空间信息进行,同时采用背景加权和核加权相结合的方式抑制背景像素对目标的干扰。在多个视频数据上的试验结果表明,研究方法有效地克服了经典的Mean-Shift目标跟踪算法对遮挡、背景像素敏感的问题,在复杂环境的背景下对运动目标跟踪更加准确。; 郭志波董健庞成; 关键词：MEAN-SHIFT算法目标跟踪分块颜色直方图

全选清除导出

共1页<1>

庞成