Optimal Feature Extraction Using Greedy Approach for Random Image Components and Subspace Approach in Face Recognition
Mathu, Soothana, Kumar, Retna, Swami, Muneeswaran, Karuppiah · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2013
一个创新、一致的框架在这份报纸基于有主要部件分析(PCA ) 和多重判别式分析(MDA ) 的 Gabor 小浪的联合被介绍。在这个框架，特征用贪婪途径从最佳的随机的图象部件被提取。这些特征向量然后为被用于解决线性问题的维数减小被投射到 subspaces。Gabor 过滤器， PCA 和 MDA 的设计是为面部特征抽取使用的关键过程。FERET， ORL 和耶鲁脸数据库被用来产生结果。实验证明加 MDA 的那种最佳的随机的图象部件选择(ORICS ) 超过象 ORICS 正 PCA 那样的 ORICS 和 subspace 设计途径。我们的方法完成 96.25% ， 99.44% 并且为 30% 分别地训练的 FERET， ORL 和耶鲁数据库上的 100% 识别精确性。这与在文学描述的另外的标准方法论相比是更加改进的表演。