摘要
本文探讨了独立分量分析在图像特征提取方面的应用,对一组自然景色图像进行独立分量分析,结果产生一组具有空间、频域的局部性及局部的方向选择性的视觉滤波器,这组视觉滤波器输出的独立元就是图像的特征(图像中的边缘和线段)。利用此项技术,我们将无监督学习技术(独立分量分析)和有监督学习技术(支持向量机)相结合,提出了一种新的脸谱识别方法——基于独立分量分析和支持向量机的脸谱识别方法。利用ORL脸谱库进行脸谱识别实验以检验新方法的有效性。实验结果显示,新方法的识别率明显优于经典的特征脸方法。
In this paper, we researched application of Independent Component Analysis in images features extracting. Then we propose a new method for face recognition by combining Independent Component Analysis and Support Vector Machine. Independent Component Analysis extracted face features and Support Vector Machine classified faces. We then fulfill face recognition. By using ORL facedata, we compare classical method of Principal Component Analysis-based and our new method. The experiment results show the performance of our method is significantly superior to that of PCA-based method.
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2004年第1期114-118,共5页
Pattern Recognition and Artificial Intelligence
基金
高校博士点学科专项基金(No.20020358033)
关键词
模式识别
图像特征提取
独立分量分析
支持向量机
图像合成
脸谱识别
Independent Component Analysis( ICA), Support Vector Machine(SVM), Principal Component Analysis( PCA) , Face Recognition
