Алгоритмы двумерного анализа главных компонент для задач распознавания изображений лиц
Автор: Кухарев Георгий Александрович, Щеголева Надежда Львовна
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов
Статья в выпуске: 4 т.34, 2010 года.
Бесплатный доступ
Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis - 2D PCA), ориентированные на обработку цифровых изображений больших размеров в условиях малой выборки. Алгоритмы основаны на прямом вычислении двух матриц ковариации по всем исходным изображениям без их преобразования в векторы. Результат анализа - нахождение главных компонент для строк и столбцов исходных изображений и построение соответствующих им матриц двумерной проекции. Обсуждаются два способа выполнения 2D PCA, соответствующие параллельной и каскадной формам его реализации. Оценены характеристики представленных алгоритмов.
Анализ главных компонент, распознавание изображений лиц
Короткий адрес: https://sciup.org/14058974
IDR: 14058974
Algorithms of two-dimensional principal component analysis for face recognition
In article presents algorithms for two-dimensional principal component analysis (Two-dimensional Principal Component Analysis - 2D PCA)-oriented processing of digital images of large sizes in a small sample. Algorithms based on direct calculation of two covariance matrices for all source images without converting them into vectors. Result analysis - finding the principal components for the rows and columns of the source images and the construction of the corresponding matrices of two-dimensional projection. We discuss two ways to do 2D PCA, corresponding to parallel and cascade forms of its realization. Evaluated the presented algorithms.
