基于NIB2DPCA的彩色图像过完整分块特征抽取方法

doi:10.3969/j.issn.1006-2475.2015.12.017

计算机与现代化

基于NIB2DPCA的彩色图像过完整分块特征抽取方法

1.无锡职业技术学院物联网技术学院，江苏无锡214121；
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

收稿日期:2015-10-20 出版日期:2015-12-23 发布日期:2015-12-30
作者简介:黄可望(1979-)，女，江苏无锡人，无锡职业技术学院物联网技术学院讲师，硕士，研究方向：计算机应用，模式识别；冯宗越(1990-)，男，江南大学物联网应用技术教育部工程研究中心和江南大学晓山股份联合实验室硕士研究生，研究方向：模式识别，人工智能；朱嘉钢(1957-)，男，副教授，博士，研究方向：模式识别，人工智能。
基金资助:
江苏省自然科学基金资助项目(BK20131106)；江苏省产学研联创项目(BY2013015-40)

NIB2DPCAbased Color Image Feature Extraction Method with Overcomplete Divided

1. School of the Internet of Things Technology, Wuxi Institute of Technology, Wuxi 214121, China;

2. Engineering Research Center of Internet of Things Applied Technology, Ministry of Education, Jiangnan University, Wuxi 214122, China; 
3. CoLaboratory in Hillsun Ltd. of Jiangnan University, Wuxi 214122, China

Received:2015-10-20 Online:2015-12-23 Published:2015-12-30

摘要/Abstract

摘要：

在小空间占用的快速彩色图像的特征抽取方法和模块化FPCA(MFPCA)彩色图像特征提取方法的基础上，结合最新的过完整表示思想，提出基于NIB2DPCA的彩色图像过完整分块特征抽取新方法。该

方法对彩色图像进行过完整分块，然后对子图像模块从R、G、B三个信道用NIB2DPCA方法进行特征提取、重构，并进行多模块融合，最终获得分类的特征矩阵。该方法提取的信息量远大于原图像，提高了

彩色图像的识别率。通过在FEI和CVL标准彩色人脸数据库上的对比实验表明，所提出方法的人脸识别准确率比文献［14］中的小空间占用的快速彩色图像特征抽取方法提高约4%，比文献［19］中的彩色

图像MFPCA方法提高约5%。

关键词: 彩色人脸识别, 过完整分块, NIB2DPCA, 特征抽取

Abstract:

Based on color image feature extraction method with small space occupying and fast speed and color image feature extraction method with Modular Factored Principal

Components Analysis(color MFPCA), combined with the latest overcomplete representation idea, a novel method named NIB2DPCAbased color image feature extraction method with

overcomplete divided was proposed. This method can make the color image overcomplete divided into smaller modular images, then NIB2DPCA is employed to extract feature

information from three channels of a given sub color image module respectively. Then the three extracted feature matrices are reconstructed and multi module integrated. Finally,

the classification feature matrix is gotten. The information amount extracted by the novel method is much larger than the original color image by this method and it improves the

recognition accuracy of color image. The results of contrast experiments on CVL and FEI color face databases show that, the proposed method can obtain a higher accuracy by about

4% than color image feature extraction method with small space occupying and fast speed in the reference［14］ and also obtain a higher accuracy by about 5% than color MFPCA

in the reference［19］.

Key words: color face recognition, overcomplete divide, noniteration bilateral two dimensional principal component analysis(NIB2DPCA), feature extraction

中图分类号:

TP391.41

黄可望1，冯宗越2,3，朱嘉钢2,3. 基于NIB2DPCA的彩色图像过完整分块特征抽取方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2015.12.017.

HUANG Kewang1, FENG Zongyue2,3, ZHU Jiagang2,3. NIB2DPCAbased Color Image Feature Extraction Method with Overcomplete Divided[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2015.12.017.

参考文献［21］

	1］
	Kirby M, Sirovich L. Application of the KL procedure for the characterization of human faces［J］. IEEE Trans. Pattern Anal. Mach Intel., 1990,12(1):103-108.
［2］	Belhumeur P N, Hespanha J, Kriegman D J. Eigen faces vs. Fisher faces: Recognition using class specific linear projection［J］. IEEE Trans. Pattern Anal. Mach. Intel.,
19	97,119(7):711-720.
［3］	Bartlett M S, Movellan J R, Sejnowski T J. Face recognition by independent component analysis［J］. IEEE Trans. Neural Network. 2002,13(6):1450-1464.
［4］	Shih Peichung, Liu Chengjun. Improving the face recognition grand challenge baseline performance using color configurations across color spaces［C］// IEEE International
	Conference on Image Processing. 2006:1001-1004.
［5］	Choi Y, Ro Y M, Plataniotis K N. Color face recognition for degraded face images［J］. IEEE Transactions on System, Man and Cybernetics: Parts B, 2009，39(5):1217-1230.
［6］	Yang Jian, Liu Chengjun. A discriminant models and algorithms for face recognition［J］. IEEE Transactions on Neural Networks, 2008,19(12):2088-2098.
［7］	Rajapakse M, Tan J, Rajapakse J. Color channel encoding with NMF for face recognition［C］// IEEE International Conference on Image Processing. 2004:2007-2010.
［8］	Shih Peichung, Liu Chengjun. Comparative assessment of contentbased face image retrieval in different color spaces［J］. International Journal of Pattern Recognition and
	Artificial Intelligence, 2005,19(7):873-893.
［9］	Isenberg G, Wurm L, Lubeker A. Color improves object recognition in normal and low vision［J］. Journal of Experimental Psychology: Human Perception and Performance,
19	93,19(4):899-911.
［10］	Turk M, Pentland A. Face recognition using Eigen faces［J］. Journal of Cognitive Neuroscience, 1991,3(1):71-86.
［11］	Yang Jian, Zhang D, Frangi A F, et al. Twodimensional PCA: A new approach to appearancebased face representation and recognition［J］. IEEE Transactions on Pattern
	Analysis and Machine Intelligence, 2004,26(1):131-137.
［12］	Kong Hui, Li Xuchun, Wang Lei, et al. Generalize 2D principal component analysis［C］ // Proceedings of 2005 IEEE International Joint Conference on Neural Networks.
20	05:108-113.
［13］	Guan Yepeng. Robust video foreground segmentation and face recognition［J］. Journal of Shanghai University(English Edition), 2009,13(4):311-315.
［14］	罗婵娟,朱嘉钢,陆晓. 小空间占用的快速彩色图像特征抽取方法［J］. 计算机应用, 2012,32(10):2827-2831.
［15］	陈伏兵,谢永华,严云洋,等. 分块PCA鉴别特征抽取能力的分析研究［J］. 计算机科学, 2006,33(3):155-159.
［16］	陈才扣,黄璞. 基于分块独立分量分析的人脸识别［J］. 中国图象图形学报, 2009,14(9):1837-1842.
［17］	陈伏兵,陈秀宏,张生亮,等. 基于模块2DPCA的人脸识别方法［J］. 中国图象图形学报, 2006,11(4):580-585.
［18］	Ali Mashhoori, Mansoor Zolghadri Jahromi. Blockwise twodirectional 2DPCA with ensemble learning for face recognition［J］. Journal of Neurocomputing, 2013,108
(1)	:111-117.
［19］	王赟,朱嘉钢,陆晓,等. MFPCA在彩色人脸图像识别中的应用［J］. 计算机工程, 2013,39(12):191-195,199.
［20］	Sun Yi, Wang Xiaogang, Tang Xiaoou. Deep learning face representation from predicting 10,000 classes ［C］ // Proceeding of 2014 IEEE Conference on Computer Vision and
	Pattern Recognition. 2014:1891-1898.
［21］	张岩,武玉强. 一种改进的模块PCA人脸识别新方法［J］. 计算机工程与应用, 2011,47(26):216-218.

[1]	付鸿林, 张太红, 杨雅婷, 艾孜麦提·艾瓦尼尔, 马博. 基于生成对抗网络的维语场景文字修改网络[J]. 计算机与现代化, 2024, 0(01): 41-46.
[2]	李颖颖, 黄文培. 基于优化八叉树的场景视锥体裁剪算法[J]. 计算机与现代化, 2024, 0(01): 103-108.
[3]	陈子健, 段春红. 面向在线学习情境的认知情绪面部表情识别[J]. 计算机与现代化, 2023, 0(10): 92-98.
[4]	农皓程, 任德均, 任秋霖, 刘澎笠, 黄德成. 基于改进ConvNeXt的软塑包装表面异常检测算法[J]. 计算机与现代化, 2023, 0(08): 12-17.
[5]	罗伟, 刘思远, 徐健祥, 董天培. 基于改进YOLOv5s的太阳能电池缺陷检测算法[J]. 计算机与现代化, 2023, 0(07): 119-126.
[6]	李实秋. 一种基于协作表示的判别局部保持投影方法[J]. 计算机与现代化, 2023, 0(06): 43-47.
[7]	李运川, 王晓红, 陈思吉, 葛义攀, 李闯. 基于多核并行和动态阈值的点云配准算法[J]. 计算机与现代化, 2020, 0(09): 77-82.
[8]	白士磊, 殷柯欣, 朱建启. 轻量级YOLOv3的交通标志检测算法[J]. 计算机与现代化, 2020, 0(09): 83-88.
[9]	周幸, 陈立福. 基于双注意力机制的遥感图像目标检测[J]. 计算机与现代化, 2020, 0(08): 1-7.
[10]	侯星晨, 王锦. 基于自适应注意模型的图像描述[J]. 计算机与现代化, 2020, 0(06): 95-.
[11]	李灵杰1,童晶1,2,步文瑜1,孙海舟1,陈正鸣1,2. 基于模板匹配的三维人体语义特征提取算法[J]. 计算机与现代化, 2020, 0(04): 95-.
[12]	樊笛,巨志勇. 基于原型网络的小样本图像识别方法[J]. 计算机与现代化, 2020, 0(03): 103-.
[13]	曹帅帅，陈雪鑫，苗圃，卜庆凯. 基于PSO与K-均值聚类算法优化结合的图像分割方法[J]. 计算机与现代化, 2020, 0(01): 22-.
[14]	王威，李志华，吴世宇. 基于多特征融合的车辆阴影检测与去除[J]. 计算机与现代化, 2019, 0(12): 49-.
[15]	杨璐,魏敏. 基于多任务无参考图像质量评价模型研究[J]. 计算机与现代化, 2019, 0(11): 7-.

基于NIB2DPCA的彩色图像过完整分块特征抽取方法

NIB2DPCAbased Color Image Feature Extraction Method with Overcomplete Divided

可视化

摘要/Abstract

引用本文

使用本文

参考文献［21］

相关文章 15

编辑推荐

Metrics

本文评价

基于NIB2DPCA的彩色图像过完整分块特征抽取方法

NIB2DPCAbased Color Image Feature Extraction Method with Overcomplete Divided

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［21］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［21］