陈伏兵
- 作品数：46 被引量：318H指数：12
- 供职机构：淮阴师范学院更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术理学文化科学化学工程更多>>
- 融合小波变换与KPCA的分块人脸特征抽取与识别算法被引量：14
- 2007年
- 鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。
- 谢永华陈伏兵张生亮杨静宇
- 关键词：小波变换核主成分分析特征抽取支持向量机
- 一种基于方向统计特性的图像聚焦测度实现方法
- 本发明公开了一种基于方向统计特性的图像聚焦测度实现方法，属于图像处理技术领域。该方法首先对图像进行预处理，然后将处理后的图像进行分块并计算每一幅子图像的方向统计特性，得到相应子图像四个方向上的统计值。再通过四个方向上的统...
- 郭立强陈伏兵刘恋
- 文献传递
- 乙苯/苯乙烯生产过程操作优化知识库设计被引量：1
- 2023年
- 结合乙苯/苯乙烯实际生产工艺特点和需求,将引入本体、知识规则推理、专家经验和贝叶斯概率算法的智能优化方法应用到乙苯/苯乙烯操作优化知识库中。该知识库系统整合知识本体层、解析存储层、算法层、应用层等相关技术,实现了乙苯/苯乙烯生产过程操作优化知识库系统。在实际工业应用中,初步验证了该知识库能够提高乙苯/苯乙烯生产过程的产品收率、降低原材料和动力能源消耗。
- 严耀西陈伏兵王昕
- 关键词：知识库本体
- 基于模糊算子的图像融合处理方法及系统、计算机程序
- 本发明属于图像处理技术领域，公开了一种基于模糊算子的图像融合处理方法及系统、计算机程序；根据需要融合的两幅图像即源图1和源图2，通过Lukasiewicz蕴涵算子进行像素级学习训练，得到关系矩阵R；以源图1为输入信息，以...
- 陈芳赵树宇柏传志陈伏兵高秀梅
- 文献传递
- 人脸识别中PCA方法的推广被引量：18
- 2005年
- 主成分分析(PrincipalComponentAnalysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域。基于PCA,该文提出了分块PCA的人脸识别方法。分块PCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵利用PCA进行鉴别分析。其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出。与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便。此外,PCA是分块PCA的特殊情况。在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4个百分点。
- 陈伏兵陈秀宏王文胜杨静宇
- 关键词：主成分分析特征抽取分块PCA特征矩阵人脸识别
- 二维主成分分析方法的推广及其在人脸识别中的应用被引量：30
- 2005年
- 提出了分块二维主成分分析(分块2DPCA)的人脸识别方法。分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其特点是:能方便地降低鉴别特征的维数;可以完全避免使用矩阵的奇异值分解,特征抽取方便;与2DPCA方法相比,使用低维的鉴别特征矩阵,而达到较高(至少是不低)的正确识别率。此外,2DPCA是分块2DPCA的特例。在ORL和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上优于2DPCA方法。
- 陈伏兵陈秀宏高秀梅杨静宇
- 关键词：线性鉴别分析特征抽取特征矩阵人脸识别
- 基于分块PCA的人脸识别方法被引量：17
- 2006年
- 本文提出了一种称为M2PCA+FDA的新的人脸识别方法.新方法从模式的原始数字图像出发,先对样本图像进行分块,对分块得到的子图像矩阵采用PCA进行特征抽取,从而得到能代替原始模式的低维的新模式,然后,对新模式施行“Fisher-faces”方法,实现模式的分类.其特点是能有效地抽取图像的局部特征,正是这些特征使此类模式区别于彼类.在ORL和NUST603两个人脸数据库上对M2PCA+FDA方法进行了测试,实验的结果表明,本文提出的方法在识别性能上优于“Fisher-faces”方法和PCA方法.
- 陈伏兵高秀梅张生亮杨静宇
- 关键词：线性鉴别分析主成分分析特征抽取分块PCA人脸识别
- 人脸识别中鉴别特征抽取若干方法研究
- 特征抽取是模式识别中最基本的问题之一，在人脸识别中，抽取有效的鉴别特征是解决问题的关键，线性投影分析（包括主分量分析（或称K-L变换）和Fisher线性鉴别分析）与基于核技术的非线性投影分析是特征抽取中最为经典和广泛使用...
- 陈伏兵
- 关键词：模式识别特征抽取人脸识别字符识别
- 文献传递
- 分块二维主成分分析鉴别特征抽取能力研究被引量：3
- 2006年
- 基于二维主成分分析(2DPCA),文章提出了分块二维主成分分析(M2DPCA)人脸识别方法。M2DPCA从模式的原始数字图像出发,先对图像进行分块,对分块得到的子图像矩阵采用2DPCA方法进行特征抽取,从而实现模式的分类。新方法的特点是能有效地抽取图像的局部特征,正是这些特征使此类模式区别于彼类。在ORL人脸数据库上测试了该方法的鉴别能力。实验的结果表明,M2DPCA在鉴别性能上优于通常的2DPCA和PCA方法,也优于基于Fisher鉴别准则的鉴别分析方法:Fisherfaces方法、F-S方法和J-Y方法。
- 陈伏兵韦相和严云洋杨静宇
- 关键词：线性鉴别分析特征抽取二维主成分分析人脸识别
- 一种基于奇异值分解的特征抽取方法被引量：12
- 2005年
- 特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。
- 王文胜陈伏兵杨静宇
- 关键词：特征抽取线性鉴别分析奇异值分解正交性特征值
