• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of software >An Improved Face Recognition Technique Based on Modular Multi-directional Two-dimensional Principle Component Analysis Approach
【24h】

An Improved Face Recognition Technique Based on Modular Multi-directional Two-dimensional Principle Component Analysis Approach

机译：一种基于模块化多方向二维主成分分析方法的改进人脸识别技术

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a new method named modular multi-directional two-dimensional principle component analysis (M~2D2DPCA) is proposed for face recognition. First, the original images are rotated at some predetermined angles so that we may extract features from the images in any direction. Then we divide the rotated images into smaller sub-images and apply 2DPCA approach to each of these sub-images. Finally we propose a fusion method named modular multi-directional 2DPCA (M~2D2DPCA) to combine a bank of preliminary results in different directions. Compared with conventional 2DPCA based algorithms, the advantage of the proposed method is that it can extract significant features from the images in any direction and avoid the effects of varying illumination and facial expression. The results of the experiments on ORL and Yale datasets show that the proposed M~2D2DPCA method can obtain a higher recognition rate than the conventional 2DPCA based methods.
机译：提出了一种新的模块化多方向二维主成分分析方法（M〜2D2DPCA）用于人脸识别。首先，将原始图像旋转一些预定角度，以便我们可以在任何方向上从图像中提取特征。然后，我们将旋转后的图像划分为较小的子图像，并将2DPCA方法应用于这些子图像中的每一个。最后，我们提出了一种称为模块化多方向2DPCA（M〜2D2DPCA）的融合方法，以组合不同方向的初步结果。与传统的基于2DPCA的算法相比，该方法的优势在于它可以从任何方向的图像中提取重要特征，并且避免了光照和面部表情变化的影响。在ORL和Yale数据集上的实验结果表明，与传统的基于2DPCA的方法相比，所提出的M〜2D2DPCA方法可以获得更高的识别率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号