基于鉴别能力分析和LDA-LPP算法的人脸识别

›› 2012, Vol. ›› Issue (06): 1527-1531.

基于鉴别能力分析和LDA-LPP算法的人脸识别

曹洁^1,2, 吴迪¹, 李伟²

1. 兰州理工大学电气工程与信息工程学院, 兰州 730050;
2. 兰州理工大学计算机与通信学院, 兰州 730050

收稿日期:2011-08-31 出版日期:2012-11-01
通讯作者: 吴迪(1985-),男,博士研究生.研究方向:信息融合理论与应用,多说话人识别.E-mail:wudi6152007@163.com E-mail:wudi6152007@163.com
基金资助:
国家自然科学基金项目(61263031);甘肃省自然科学基金项目(1010RJZA046);甘肃省教育厅研究生导师基金项目(0914ZTB003);甘肃省基本科研业务费项目(0914ZTB148).

Face recognition based on discrimination power analysis and LDA-LPP algorithm

CAO Jie^1,2, WU Di¹, LI Wei²

1. College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China;
2. College of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China

Received:2011-08-31 Online:2012-11-01

摘要/Abstract

摘要： 针对人脸识别中的DCT系数选择问题和如何从全局和局部同时提取识别特征的问题,提出了一种基于鉴别能力分析和LDA-LPP的人脸识别算法。即先对人脸图像进行DCT变换,利用鉴别能力分析方法进行DCT系数的选择,融合LDA和LPP降维技术进行降维处理,不仅可以保持数据的全局性,同时也能够保持数据的局部性。在ORL人脸库和Yale人脸库上的实验表明,本文方法可以选择有效的DCT系数,明显提高了识别精度和鲁棒性。

关键词: 计算机应用, 鉴别能力分析, 离散余弦变换, 线性鉴别分析, 局部保持投影

Abstract: The objectives of this paper are how to select the most effective DCT coefficients as recognition features and how to extract face features from locality and globality. A face recognition method is proposed based on Discrimination Power Analysis (DPA) and LDA-LPP algorithm. In this method, first, DCT transformation of face image is conducted. Then according to DPA, DCT coefficients are selected. Finally, integrating LDA, which can describe raw data from global situation, and LPP, which can maintain local adjacent relationship, a fusion recognition algorithm based on LDA-LPP is developed. The new algorithm can maintain both the local characteristics and global characteristics of the data. Besides, it rebuilds and lays out the raw data from the global situation. Experiments on ORL and Yale face databases show that the new algorithm can not only select the effective DCT coefficients but also improve the precision and robustness of the recognition process.

Key words: computer application, discrimination power analysis(DPA), discrete cosine transform(DCT), linear discriminate analysis(LDA), local preserving projections(LPP)

中图分类号:

TP391.4

曹洁, 吴迪, 李伟. 基于鉴别能力分析和LDA-LPP算法的人脸识别[J]. , 2012, (06): 1527-1531.

CAO Jie, WU Di, LI Wei. Face recognition based on discrimination power analysis and LDA-LPP algorithm[J]. , 2012, (06): 1527-1531.

参考文献

[1] Hafed Z M, Levine M D. Face recognition using the discrete cosine transform[J]. International Journal of Computer Vision, 2001, 43(3): 167-188.
[2] Ramasubramanian D, Venkatesh Y V. Encoding and recognition of faces based on the human visual model and DCT[J]. Pattern Recognition,2001,34(12):2447-2458.
[3] 张朝柱, 左国辉. 基于核方法的二维线性判决分析的人脸识别算法[J].吉林大学学报:工学版, 2011,41(4):1167-1169. Zhang Chao-zhu, Zuo Guo-hui. Kernel method in face recognition based on 2DLDA[J]. Journal of Jilin University(Engineering and Technology Edition), 2011,41(4):1167-1169.
[4] Sevcenco Ana-maria, Lu Wu-sheng. Perfect histogram matching PCA for face organization[J]. Multidimensional Systems and Signal Processing,2010,21(3):213-229.
[5] Chen W, Meng J E, Wu S. PCA and LDA in DCT domain[J]. Pattern Recognition Letters, 2005, 26(15):2474-2482.
[6] He X F, Niyogi P. Locality Preserving Projections[M]. Vancouver: MIT Press, 2003.
[7] 杨勇,田侃. 基于Gabor特征和EHMM的人脸识别方法[J]. 重庆邮电大学学报:自然科学版,2011,23(3):355-362. Yang Yong,Tian Kan. Face recognition based on Gabor feature and EHMM[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2011,23(3):355-362.
[8] Nadarajah S. Gaussian DCT coefficient models[J]. Acta Appl Math, 2009, 106(3): 455-472.
[9] Yang Jian, Liu Cheng-jun, Zhang Lei. Color space normalization: enhancing the discriminating power of color spaces for face recognition[J]. Pattern Recognition, 2010, 43(4): 1454-1466.
[10] Kao W C, Hsu M C, Yang Y Y. Local contrast enhancement and adaptive feature extraction for illumination invariant face recognition[J]. Pattern Recognition, 2010, 43(5): 1736-1747.
[11] Park H, Park C H. A comparison of generalized linear discriminant analysis algorithm[J]. Pattern Recognition, 2008, 41(3): 1083-1097.
[12] Liu Zhi-ming, Liu Cheng-jun. Fusion of color, local and global frequency information for face recognition[J]. Pattern Recognition, 2010,43(8):2882-2890.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed