TY -的A2 Papakostas,乔治·a . AU -江,非盟泰祥(音译)——黄Ting-Zhu盟——赵Xi-Le AU - Ma, Tian-Hui PY - 2017 DA - 2017/07/11 TI - Patch-Based主成分分析的人脸识别SP - 5317850六世- 2017 AB -我们已经提出了一个Patch-Based主成分分析(PCA)方法来处理人脸识别。许多PCA-based人脸识别方法利用像素之间的相关性,列或行。但当地的空间信息是不利用充分利用这些方法。我们相信补丁比像素更有意义的人脸识别的基本单位,列或行,因为面临着被补丁包含看见眼睛和鼻子。计算斑块之间的相关性,然后这些补丁脸图像分为补丁转换为列向量将组合成一个新的“图像矩阵。”替换图片与新的“图像矩阵”在二维主成分分析框架中,我们直接计算的相关补丁除以总散射计算。通过优化的总散射预测样本,得到投影矩阵进行特征提取。最后,我们使用最近邻分类器。广泛的实验在ORL数据库和FERET面临报道说明patch-based PCA的性能。我们的方法促进准确性与一维PCA相比,二维主成分分析,双向二维主成分分析。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/5317850 - 10.1155 / 2017/5317850摩根富林明计算智力和神经科学PB - Hindawi KW - ER