Facial Feature Extraction Method Based on Coefficients of Variances
宋枫溪, 张大鹏, 陈才扣, 杨静宇 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2007
主成分分析(PCA ) 和线性判别分析(LDA ) 是统计模式识别地里的二种流行特征抽取技术。不能直接由于小样品尺寸问题 LDA 被用于基于外观的面貌识别任务。作为后果，很多基于 LDA 的面部特征抽取技术被建议相继地处理这个问题。Nullspace 方法是在他们之中的最有效的方法之一。Nullspace 方法试着发现在在内班 scatter 矩阵的零空间最大化在班之间 scatter 的一套判别式向量。它的判别式向量的计算将涉及在一个高度维的矩阵上执行奇异值分解。它通常消费记忆、费时间。在统计分析在 Nullspace 方法和变化的系数的概念借关键想法我们在场新奇面部特征抽取法，即，判别式基于在这篇论文的变化(DCV ) 的系数。在 FERET 和 AR 脸图象数据库上执行的试验性的结果证明 DCV 是与 Eigenfaces， Nullspace 方法，和另外的最先进的美容比较的一种有希望的技术特征抽取法。电子增补材料这篇文章(doi:10.1007/s11390-007-9070-2 ) 的联机版本 contatins 增补材料，它对授权用户可得到。