2DUDP：一种新的基于图像矩阵的特征提取方法
本文提出一种新的数据维数约减方法。这种新的方法是基于图像的局部散度和非局部散度而建立准则函数,并且非局部散度与局部散度是基于样本图像矩阵来构建的。准则目的是寻求一组投影轴使得投影后的样本特征的非局部散度最大化,同时也使得局部散度最小化。通过在YALE人胸库和AR人脸库上进行实验,结果表明本文提出的新方法在识别率方面整体上好于基于图像矢量的LPP(LocalityPreserving Projection)和UDP(Unsupervised DiscriminantProjection)，也超过常用的LDA(Linear DiscriminantAnalysis)。
维数约减 流形学习 局部散度 非局部散度 特征提取 人脸识别 图像矩阵
李勇智 何光明 杨静宇
南京林业大学信息科学技术学院，南京 210037 南京理工大学计算机系，南京 210094 南京理工大学计算机系，南京 210094
国内会议
昆明
中文
490-494
2008-07-01（万方平台首次上网日期，不代表论文的发表时间）