改进的二维典型相关分析及其人脸识别应用

doi:10.3969/j.issn.1000-3428.2012.10.046

计算机工程 ›› 2012, Vol. 38 ›› Issue (10): 151-153. doi: 10.3969/j.issn.1000-3428.2012.10.046

改进的二维典型相关分析及其人脸识别应用

刘艳艳 ¹，曹慧荣 ²，王建国 ³，赵宜宾 ¹

(1. 防灾科技学院基础部，河北三河 065201；2. 廊坊师范学院数学与信息科学学院，河北廊坊 065000； 3. 北京信息职业技术学院媒体制作中心，北京 100015)

收稿日期:2011-07-20 出版日期:2012-05-20 发布日期:2012-05-20
作者简介:刘艳艳(1980－)，女，博士，主研方向：模式识别，数据分析，图像处理；曹慧荣，硕士；王建国，工程师；赵宜宾，副教授
基金资助:
中国地震局教师科研基金资助项目(20110116)；河北省自然科学基金资助项目(A2011408006)

Improved Two-dimensional Canonical Correlation Analysis and Its Application in Face Recognition

LIU Yan-yan¹, CAO Hui-rong ², WANG Jian-guo ^3, ZHAO Yi-bin ¹

(1. Department of Basic Courses, Institute of Disaster Prevention Science and Technology, Sanhe 065201, China; 2. College of Mathematics and Information Science, Langfang Normal College, Langfang 065000, China; 3. Multimedia Making Center, Beijing Information Technology College, Beijing 100015, China)

Received:2011-07-20 Online:2012-05-20 Published:2012-05-20

摘要/Abstract

摘要： 针对二维典型相关分析(2DCCA)中类标矩阵维数较大及算法耗时过多的问题，提出一种改进的2DCCA特征提取方法。利用图像的频谱性质定义低维的类标矩阵，从有利于模式分类的角度构造出新的准则函数，采用二维主成分分析对所得特征进一步降维，得到更具分类判别能力的低维特征。在ORL和组合人脸数据库上的实验结果表明，该特征具有较好的分类能力。

Abstract: An Enhanced Two-dimensional Canonical Correlation Analysis(E-2DCCA) method is presented to solve the problem that 2DCCA requires much storage space and runtime. By making use of the spectrum representation of images, a new class-membership matrix is constructed. A modified correlation criterion function is proposed from the angel of favoring classification. Two-dimensional Principal Component Analysis(2DPCA) method is used for further dimensional reduction. Experimental results on ORL and combined face databases show that the features have powerful ability of recognition.

Key words: Two-dimensional Canonical Correlation Analysis(2DCCA), spectrum feature, class-membership matrix, criterion function, feature extraction, face recognition

中图分类号:

TP391.4

刘艳艳, 曹慧荣, 王建国, 赵宜宾. 改进的二维典型相关分析及其人脸识别应用[J]. 计算机工程, 2012, 38(10): 151-153.

LIU Yan-Yan, CAO Hui-Rong, WANG Jian-Guo, DIAO Yi-Bin. Improved Two-dimensional Canonical Correlation Analysis and Its Application in Face Recognition[J]. Computer Engineering, 2012, 38(10): 151-153.

http://www.ecice06.com/CN/Y2012/V38/I10/151

参考文献

[1] Hotelling H. Relations Between Two Sets of Variates[J]. Biometrika, 1936, 28(3/4): 321-377.
[2] He Yunhui, Zhao Li, Zou Cairong. Face Recognition Based on PCA/KPCA Plus CCA[C]//Proceedings of the 1st International Conference on Advances in Natural Computation. Berlin, Germany: Springer-Verlag, 2005: 71-74.
[3] 苏志勋, 刘艳艳, 刘秀平, 等. 基于模糊CCA的图像特征提取和识别[J]. 计算机工程, 2007, 33(16): 144-146.
[4] Zou Cairong, Sun Ning, Ji Zhenhai, et al. 2DCCA: A Novel Method for Small Sample Size Face Recognition[C]//Proc. of the 8th IEEE Workshop on Applications of Computer Vision. [S. l.]: IEEE Press, 2007: 43-43.
[5] Sun Ning, Ji Zhenhai, Zou Cairong, et al. Two-dimensional Canonical Correlation Analysis and Its Application in Small Sample Size Face Recognition[J]. Neural Computing and Applications, 2010, 19(3): 377-382.
[6] Lee S H, Choi S. Two-dimensional Canonical Correlation Analysis[J]. IEEE Signal Processing Letters, 2007, 14(10): 1-4.
[7] 宋东兴, 刘永俊, 陈才扣. 二维典型相关分析及其在人脸识别中的应用[J]. 计算机应用, 2008, 28(9): 2430-2433.
[8] Nastar C, Ayache N. Frequency-based Nonrigid Motion Analysis: Application to Four Dimensional Medical Images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996, 18(11): 1067-1079.
[9] Kong Hui, Wang Lei, Teoh E K, et al. Generalized 2D Principal Component Analysis for Face Image Representation and Recognition[J]. Neural Networks, 2005, 18(5/6): 585-594.
[10] Belhumeur P N, Hespanha J P, Kriegman D J. Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7): 711-720.
[11] Jing Xiaoyuan, Wong Hau-San, Zhang D. Face Recognition Based on 2D Fisherface Approach[J]. Pattern Recognition, 2006, 39(4): 707-710.

[1]	马娜, 温廷新, 贾旭, 李晓会. 复杂光照条件下自适应的车脸重识别模型[J]. 计算机工程, 2023, 49(8): 275-282, 290.
[2]	戴浩磊, 黄永慧, 周郭许. 基于超图正则化非负张量链分解的聚类分析[J]. 计算机工程, 2023, 49(6): 81-89.
[3]	宋羽凯, 谢江. 基于多任务学习的轻量级语音情感识别模型[J]. 计算机工程, 2023, 49(5): 122-128.
[4]	李培育, 张雅丽. 基于改进SRGAN模型的人脸图像超分辨率重建[J]. 计算机工程, 2023, 49(4): 199-205.
[5]	关日鹏, 况立群, 焦世超, 熊风光, 韩燮. 多模态特征融合与词嵌入驱动的三维检索方法[J]. 计算机工程, 2023, 49(4): 101-107,113.
[6]	耿磊, 傅洪亮, 陶华伟, 卢远, 郭歆莹, 赵力. 基于动态卷积递归神经网络的语音情感识别[J]. 计算机工程, 2023, 49(4): 125-130,137.
[7]	何悦, 陈广胜, 景维鹏, 徐泽堃. 基于深度多相似性哈希方法的遥感图像检索[J]. 计算机工程, 2023, 49(2): 206-212.
[8]	高庆吉, 李天昊, 邢志伟, 刘佩佩. 基于区块特征融合的点云语义分割方法[J]. 计算机工程, 2022, 48(9): 37-44,54.
[9]	闫静, 张雪英, 李凤莲, 陈桂军, 黄丽霞. 结合栈式监督AE与可变加权ELM的回归预测模型[J]. 计算机工程, 2022, 48(8): 62-69,76.
[10]	李晨, 侯进, 李金彪, 陈子锐. 基于注意力与残差级联的红外与可见光图像融合方法[J]. 计算机工程, 2022, 48(7): 234-240.
[11]	李柯泉, 陈燕, 刘佳晨, 牟向伟. 基于深度学习的目标检测算法综述[J]. 计算机工程, 2022, 48(7): 1-12.
[12]	崔云轩, 刘桂华, 余东应, 郭中远, 张文凯. 点线特征融合的激光雷达单目惯导SLAM系统[J]. 计算机工程, 2022, 48(7): 254-263.
[13]	徐润昊, 程吉祥, 李志丹, 付小龙. 基于循环生成对抗网络的含遮挡人脸识别[J]. 计算机工程, 2022, 48(5): 289-296,305.
[14]	谢斌红, 秦耀龙, 张英俊. 基于学习主动中心轮廓模型的场景文本检测[J]. 计算机工程, 2022, 48(3): 244-252,262.
[15]	汪荣贵, 李懂, 杨娟, 薛丽霞. 基于跨域特征关联与聚类的无监督行人重识别[J]. 计算机工程, 2022, 48(3): 229-235,243.

选择文件类型/文献管理软件名称

选择包含的内容

改进的二维典型相关分析及其人脸识别应用

Improved Two-dimensional Canonical Correlation Analysis and Its Application in Face Recognition

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

改进的二维典型相关分析及其人脸识别应用

Improved Two-dimensional Canonical Correlation Analysis and Its Application in Face Recognition

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价