M-FPCA在彩色人脸图像识别中的应用  

Application of M-FPCA in Color Face Image Recognition

作　　者：王赟[1,2,3] 朱嘉钢[1,2,3] 陆晓[3] 黄可望[4] 

机构地区：[1]江南大学物联网工程学院,江苏无锡214122 [2]江南大学物联网应用技术教育部工程研究中心,江苏无锡214122 [3]江南大学晓山股份联合实验室,江苏无锡214122 [4]无锡职业技术学院物联网技术学院,江苏无锡214122

出　　处：《计算机工程》2013年第12期191-195,199,共6页Computer Engineering

基　　金：国家自然科学基金资助项目(61170120);江苏省自然科学基金资助项目(BK2011147)

摘　　要：将因子化主成分分析(FPCA)算法应用于人脸图像特征提取时,需要使用迭代算法,但该算法应用于高分辨率图像时实时性较差,并且可能导致维数灾难。针对上述问题,提出一种模块化FPCA(M-FPCA)的新型特征提取方法。将原始数字图像样本进行模块化,对模块化后得到的各个子图像矩阵采用FPCA算法进行特征提取,合并子图像特征矩阵得到原图的特征矩阵。彩色图像由R、G、B 3个分量来表示,根据现有彩色信息融合方法的不足,对其进行改进,并结合M-FPCA算法,提出一种彩色M-FPCA新方法。在CVL和FEI人脸库上进行的实验结果表明,M-FPCA方法能提高FPCA算法的实时性,解决维数灾难问题。彩色M-FPCA方法能有效提取彩色人脸图像的色彩信息,得到较高的人脸识别率。Using Factored Principal Components Analysis（FPCA） feature extraction algorithm in the high resolution images has bad real-time performance and may cause dimension disaster because it needs to use iterative algorithm to implement FPCA algorithm. In order to solve the problem above, this paper developes a new method called Modular-FPCA（M-FPCA） for image feature extraction. This method modularizes the original digital image samples, implements FPCA algorithm on every sub-image matrix, and gets feature matrix of original image by merging sub-image features. Color images can be represented by three components of R, G, B. For existing shortcomings of color information fusion method, it combines M-FPCA with the improved color information fusion method and names it as color M-FPCA. Experimental results on CVL, FEI color face image library show that M-FPCA method can improve the realation of FPCA algorithm, solve dirnesion disaster problems, color M-FPCA method extracts color information from color face image effectivelv, and has hi~,her recomaition rate.

关 键 词：主成分分析 因子化主成分分析 模块化FPCA 彩色M—FPCA 特征提取 彩色图像识别 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]