文献类型：期刊文章

作　　者：张颖[1] 马承泽[2] 杨平[2] 王新民[2]

ZHANG Ying;MA Chengze;YANG Ping;WANG Xinmin(College of Information Engineering,Changchun University of Finance and Economics,Changchun 130122,China;College of Mathematics and Statisticsis,Changchun University of Technology,Changchun 130012,China)

机构地区：[1]长春财经学院信息工程学院,长春130122 [2]长春工业大学数学与统计学院,长春130012

出　　处：《吉林大学学报（理学版）》

基　　金：国家自然科学基金(批准号:51278065).

年　　份：2021

卷　　号：59

期　　号：6

起止页码：1499-1503

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,提出一种基于小波变换和改进PCA的混合特征提取算法.该方法首先对人脸图像进行小波分解,选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取,获得代表人脸特征的特征向量;最后将该算法应用于Olivetti Faces人脸库数据集的图像分类.实验结果表明,经过该混合算法处理后的图像特征数据,由卷积神经网络(CNN)算法分类识别时准确率提升10%,识别速度提高约37%.

关 键 词：人脸识别 特征提取 小波变换 主成分分析(PCA)  

分 类 号：TP391]