主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李照奎,丁立新,何进荣,胡庆辉.基于图像分解的人脸特征表示.软件学报,2014,25(9):2102-2118
基于图像分解的人脸特征表示
Face Feature Representation Based on Image Decomposition
投稿时间:2014-04-06  修订日期:2014-05-14
DOI:10.13328/j.cnki.jos.004651
中文关键词:  图像分解  多方向操作  欧拉映射  人脸识别
英文关键词:image decomposition  multiple orientations operator  Euler mapping  face recognition
基金项目:国家自然科学基金(60975050, 60902053, 61170185); 广东省省部产学研结合专项资金(2011B090400477); 珠海市产学研合作专项资金(2011A050101005, 2012D0501990016); 珠海市重点实验室科技攻关项目(2012D0501990026)
作者单位E-mail
李照奎 软件工程国家重点实验室(武汉大学 计算机学院), 湖北 武汉 430072
沈阳航空航天大学 计算机学院, 辽宁 沈阳 110136 
 
丁立新 软件工程国家重点实验室(武汉大学 计算机学院), 湖北 武汉 430072 lxding@whu.edu.cn 
何进荣 软件工程国家重点实验室(武汉大学 计算机学院), 湖北 武汉 430072  
胡庆辉 软件工程国家重点实验室(武汉大学 计算机学院), 湖北 武汉 430072  
摘要点击次数: 2688
全文下载次数: 2220
中文摘要:
      提出一种基于图像分解的人脸特征表示方法(FRID),首先通过多方向操作,把一幅图像分解成一系列方向子图像;然后,通过欧拉映射操作,把每幅方向子图像分解成实部和虚部图像,针对每幅实部和虚部图像,分别划分出多个不重叠的局部图像块,通过统计图像块上不同数值的个数生成相应的实部和虚部直方图,一幅图像的所有实部和虚部直方图被串联成一个超级特征向量;最后,利用线性判别分析方法对超级特征向量进行维数约简,以获得每幅图像的低维表示.实验显示该方法在多个人脸数据库上获得了优于时新算法的识别结果,并且表现得更为稳定.
英文摘要:
      This paper presents a face feature representation method based on image decomposition (FRID). FRID first decomposes an image into a series of orientation sub-images by executing multiple orientations operator. Then, each orientation sub-image is decomposed into a real part image and an imaginary part image by applying Euler mapping operator. For each real and imaginary part image, FRID divides them into multiple non-overlapping local blocks. The real and imaginary part histograms are calculated by accumulating the number of different values of image blocks respectively. All the real and imaginary part histograms of an image are concatenated into a super-vector. Finally, the dimensionality of the super-vector is reduced by linear discriminant analysis to yield a low-dimensional, compact, and discriminative representation. Experimental results show that FRID achieves better results in comparison with state-of-the-art methods, and is the most stable method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利