程强
- 作品数：3 被引量：3H指数：1
- 供职机构：江南大学数字媒体学院更多>>
- 发文基金：中央高校基本科研业务费专项资金江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 分块非参数特征分析在人脸识别中的应用
- 2013年
- 基于非参数特征分析NFA方法,提出了分块NFA算法,并将其应用到人脸识别上。分块NFA算法首先对图像矩阵进行分块,对分块得到的子图像矩阵再应用NFA进行图像特征提取。这样做有两个优点:(1)能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出;(2)与NFA相比,由于使用子图像矩阵,分块NFA可以避免使用奇异值分解理论,过程简便,并且克服了小样本问题。此外,NFA是分块NFA算法的特殊情况。在ORL和YALE数据库上进行的实验验证了本文所提方法要优于NFA算法。
- 程强陈伟琦
- 关键词：人脸识别
- 局部非参数子空间分析在人脸识别中的应用被引量：2
- 2014年
- 提出了一种局部非参数子空间分析算法(Local Nonparametric Subspace Analysis,LNSA),将其应用在人脸识别中。LNSA算法结合了非参数子空间算法(Nonparametric Subspace Analysis,NSA)与局部保留投影算法(Locality Preserving Projection,LPP)。它利用LPP算法中的相似度矩阵重构NSA的类内散度矩阵,使得在最大化类间散度矩阵的同时保留了类的局部结构。在ORL人脸库和XM2VTS人脸库上作了实验并证明LNSA方法要优于其他方法。
- 程强陈秀宏
- 关键词：人脸识别局部保留投影
- 核典型相关性鉴别分析被引量：1
- 2012年
- 提出一种新的基于典型相关性的核鉴别分析,以图片集为基础的人脸识别算法。把每个图片集映射到一个高维特征空间,然后通过核线性鉴别分析(KLDA)处理,得到相应的核子空间。通过计算两典型向量的典型差来估计两个子空间的相似度。根据核Fisher准则,基于类间典型差与类内典型差的比率建立核子空间的相关性来得到核典型相关性鉴别分析(KDCC)算法。在ORL、NUST603、FERNT和XM2VTS人脸库上的实验结果表明,该算法能够更有效提取样本特征,在识别率上要优于典型相关性鉴别分析(DCC)和核鉴别转换(KDT)算法。
- 陈伟琦程强
- 关键词：人脸识别
