2DPCA

摘要： 为了实现液晶屏字符高效、精准的自动化检测,针对液晶屏字符显示的断线、亮度缺陷,提出一种基于多特征矩融合的液晶屏字符缺陷检测算法。首先提取原始液晶屏图像中ROI区域,使用Hu不变矩来描述字符的结构特征,采用Zernike矩来弥补Hu矩所不能描述的高阶矩信息;然后使用颜色矩来描述字符的颜色特征,采用灰度矩弥补颜色矩所不能描述的灰度信息,并运用2DPCA技术融合上述矩阵,通过欧氏距离来衡量标准图像融合特征矩阵与待检测图像融合特征矩阵之间的相似度,通过设定相似度阈值来达到缺陷检测的目的。实验的客观和主观评价结果表明:主观上,该算法具有一定的稳定性、实用性;客观上,该算法相比于同类算法具有较低的误判率1%、漏判率0%以及较高的效率0.6 s,基本满足实际检测需求。

摘要： 为了提高传统PCA与SVM相结合的人脸识别算法的性能,文中提出了一种基于双向压缩的2DPCA +PCA与遗传算法SVM相结合的人脸识别算法.该算法采用双向压缩的2DPCA与PCA相结合的算法来进行人脸特征提取,有效地减少了特征数量和PCA模型的计算时间;在与SVM相结合时,其训练时间和识别时间都有所降低,且提高了识别率;同时为了进一步提高SVM的性能,文中采用遗传算法来进行SVM参数寻优,并使用交叉测试识别率来作为适应度函数.在ORL人脸库上的实验表明,该算法的性能明显高于传统PCA与SVM相结合的人脸识别算法.%To improve the performance of the face recognition algorithm based on PCA and SVM,this paper puts forward a novel method based on bi-directional compression 2DPCA + PCA and GA-based SVM,which uses bi-directional compression 2DPCA combined with PCA for facial feature extraction,effectively reducing the number of features and the computation time of PCA model.It combined with SVM,the training and recognition time are reduced,and the recognition rate is improved.Meanwhile,in order to further improve the performance of SVM,it uses genetic algorithm (GA) to optimize SVM parameters,and apply the cross-test results for a fitness function.The experiments on ORL face database show that the performance of the algorithm is significantly higher than the traditional face recognition algorithm based on PCA and SVM.

摘要： 随着我国经济实力的提高,大多公共场所都配备监控设备,用以对出现行人及行为的监控,通过监控识别人脸是人脸识别发展的重要方面,以后也将进一步发展.为减少视频数据的空间占比,目前市场大部分采用低分辨率的存储方式来存放视频数据,这对人脸的识别率带来了较大的影响.针对该类问题,首先利用Curvelet变换,对人脸多维空间特征进行数据采集,再利用2DPCA进行降维,最后以最近邻分类器识别,使用人脸数据图片库进行实验比对,完成人脸的识别.实验结果表明:该方法能在实时检测的基础上提高对低分辨率环境下的人脸识别效果.

摘要： 本文针对稀疏表示在表情识别的效果远比人脸识别差的现象,提出一种多约束的稀疏分类(M-SRC)的人脸表情识别算法.该算法首先利用二维主成分分析(2DPCA)对人脸降维,并对提取的局部特征加权,然后用获取的特征来组成训练样本,最后使用多约束稀疏表示理论进行分类.分别在JAFFE和CK人脸库中验证本文算法:与其他算法相比,该算法识别准确率高,识别性能好.

摘要： 互联网时代的到来,使得人脸识别技术越来越重要.好的人脸识别算法不仅要满足识别率的要求,还能最大限度地缩短识别时间.文章采用一种改进的2DPCA算法对人脸进行检测,首先利用小波变换算法对人脸库进行图像处理,最后结合传统PCA算法以及一种改进的2DPCA算法对人脸库进行识别,通过仿真实验比较二者的性能,得出采用2DPCA算法能够在不影响识别率的情况下,很大程度上缩短识别时间.

摘要： 2DPCA算法是直接利用原始图像矩阵构造图像的协方差矩阵.为了测试和评估2DPCA算法,在ORL人脸数据库上进行了实验.结果表明,2DPCA算法用于人脸识别的正确识别率高于PCA算法,在特征提取方面比PCA算法更有效.

摘要： 2DPCA算法是直接利用原始图像矩阵构造图像的协方差矩阵。为了测试和评估2DPCA算法,在ORL人脸数据库上进行了实验。结果表明,2DPCA算法用于人脸识别的正确识别率高于PCA算法,在特征提取方面比PCA算法更有效。

摘要： 随着二维主成分分析法在人脸识别中的应用,许多基于2D的分析方法日益成熟.相比于PCA算法基于向量的特征提取,2DPCA算法是基于矩阵的特征提取.与依赖于特征矩阵的列或特征矩阵的全部矩阵的方法不同,提出了基于特征矩阵行的距离测量方法,该算法与KNN算法进行了结合.通过使用该方法可以缓解2DPCA算法相比于基于主成分分析的算法(PCA)需较多系数的问题.在人脸数据库上的实验结果表明,所提方法的分辨精度比2DPCA方法高,在准确性和存储容量方面超过了2DPCA算法.%With the application of two-dimensional principal component analysis (PCA) in face recognition,a lot of analysis methods based on 2D are becoming more popular.Compared with PCA algorithm based on vector feature extraction,2DPCA algorithm is based on the feature extraction of the matrix.Unlike the methods depending on the columns or all matrix of the eigenmatrix,we proposed an algorithm based on the distance measurement method of the characteristic matrix,and the algorithm is combined with KNN algorithm.By using this method,the shortcoming based on the 2DPCA algorithm compared with algorithm based on principal component analysis (PCA) can alleviate some problems needed to be more coefficient.Experimental results on face database show that the proposed method of distinguish accuracy will increase,is's performance is better than other methods in terms of accuracy and storage capacity.

摘要： 人脸识别是一种精度高、稳定性好、易操作、结果直观、性价比高的生物识别技术,其成功识别的关键在于识别算法.针对基于统计特征的人脸识别中面部特征的高维度而导致的识别准确率低和速率低的问题.提出基于Gabor滤波和增强Fisher线性判别模型的人脸特征提取算法,首先预处理人脸图像,再通过Gabor小波变换得到人脸特征向量,随后通过2DPCA将高维特征向量至低维空间,最后利用增强FLD在低维空间变换矩阵提取人脸特征,进而提高识别效果和速度.在AR人脸图像库的实验结果表明,该算法具有更高的准确率和识别速率.

摘要： 本文将2DPCA算法应用于人脸识别,在自制的少数民族人脸库上进行实验,与PCA人脸识别算法进行比较.实验表明2DPCA优于PCA.%This paper is mainly about 2DPCA algorithm and applys this algorithm to face recognition. Experiment on the homemade minorities face library is carried out and it is compared with PCA face recognition algorithm , the experimental results show that 2DPCA is better than PCA.

摘要： 中医学认为“光明润泽者，气也，青赤黄白黑者，色也”，五色主阴血，光泽属神气。观察面部光泽的变化可以诊断脏腑精气的盛衰，对判断病情轻重、推测预后至关重要。而传统面部光泽判读，主要是依靠临床医生主观评价，缺乏客观化数据支持，成为影响中医发展的重要原因之一。本文结合计算机视觉，利用计算机辅助进行面部光泽判断，尝试将PCA，2DPCA和(2D)2PCA等三种常用特征抽取的方法在4种不同色彩空间下进行实验，作为面部光泽信息抽取的手段。结果表明，三种方法对于提取中医面诊光泽信息都具有积极作用，(2D)2PCA判别算法在HSV颜色空间上对人脸光泽的判断可以达到84.5％。本文对中医智能化、信息化进行了探索，并取得了积极地实验结果，为中医望诊中光泽的量化检测技术研究提供了一种新的方法和思路。

摘要： 中医学认为“光明润泽者，气也，青赤黄白黑者，色也”，五色主阴血，光泽属神气。观察面部光泽的变化可以诊断脏腑精气的盛衰，对判断病情轻重、推测预后至关重要。而传统面部光泽判读，主要是依靠临床医生主观评价，缺乏客观化数据支持，成为影响中医发展的重要原因之一。本文结合计算机视觉，利用计算机辅助进行面部光泽判断，尝试将PCA，2DPCA和(2D)2PCA等三种常用特征抽取的方法在4种不同色彩空间下进行实验，作为面部光泽信息抽取的手段。结果表明，三种方法对于提取中医面诊光泽信息都具有积极作用，(2D)2PCA判别算法在HSV颜色空间上对人脸光泽的判断可以达到84.5％。本文对中医智能化、信息化进行了探索，并取得了积极地实验结果，为中医望诊中光泽的量化检测技术研究提供了一种新的方法和思路。

摘要： 中医学认为“光明润泽者，气也，青赤黄白黑者，色也”，五色主阴血，光泽属神气。观察面部光泽的变化可以诊断脏腑精气的盛衰，对判断病情轻重、推测预后至关重要。而传统面部光泽判读，主要是依靠临床医生主观评价，缺乏客观化数据支持，成为影响中医发展的重要原因之一。本文结合计算机视觉，利用计算机辅助进行面部光泽判断，尝试将PCA，2DPCA和(2D)2PCA等三种常用特征抽取的方法在4种不同色彩空间下进行实验，作为面部光泽信息抽取的手段。结果表明，三种方法对于提取中医面诊光泽信息都具有积极作用，(2D)2PCA判别算法在HSV颜色空间上对人脸光泽的判断可以达到84.5％。本文对中医智能化、信息化进行了探索，并取得了积极地实验结果，为中医望诊中光泽的量化检测技术研究提供了一种新的方法和思路。

摘要： 中医学认为“光明润泽者，气也，青赤黄白黑者，色也”，五色主阴血，光泽属神气。观察面部光泽的变化可以诊断脏腑精气的盛衰，对判断病情轻重、推测预后至关重要。而传统面部光泽判读，主要是依靠临床医生主观评价，缺乏客观化数据支持，成为影响中医发展的重要原因之一。本文结合计算机视觉，利用计算机辅助进行面部光泽判断，尝试将PCA，2DPCA和(2D)2PCA等三种常用特征抽取的方法在4种不同色彩空间下进行实验，作为面部光泽信息抽取的手段。结果表明，三种方法对于提取中医面诊光泽信息都具有积极作用，(2D)2PCA判别算法在HSV颜色空间上对人脸光泽的判断可以达到84.5％。本文对中医智能化、信息化进行了探索，并取得了积极地实验结果，为中医望诊中光泽的量化检测技术研究提供了一种新的方法和思路。

摘要： 探讨了移动电话的身份验证方法,对传统身份验证方法与人脸识别方法进行了分析比较。研究了人脸识别在移动电话上的应用,建立了基于人脸识别的身份验证的流程,并采用PCA和2DPCA方法进行了仿真比较,实验结果表明2DPCA方法的性能优于PCA方法。

摘要： 探讨了移动电话的身份验证方法,对传统身份验证方法与人脸识别方法进行了分析比较。研究了人脸识别在移动电话上的应用,建立了基于人脸识别的身份验证的流程,并采用PCA和2DPCA方法进行了仿真比较,实验结果表明2DPCA方法的性能优于PCA方法。

摘要： 探讨了移动电话的身份验证方法,对传统身份验证方法与人脸识别方法进行了分析比较。研究了人脸识别在移动电话上的应用,建立了基于人脸识别的身份验证的流程,并采用PCA和2DPCA方法进行了仿真比较,实验结果表明2DPCA方法的性能优于PCA方法。

摘要： 探讨了移动电话的身份验证方法,对传统身份验证方法与人脸识别方法进行了分析比较。研究了人脸识别在移动电话上的应用,建立了基于人脸识别的身份验证的流程,并采用PCA和2DPCA方法进行了仿真比较,实验结果表明2DPCA方法的性能优于PCA方法。

摘要： 探讨了移动电话的身份验证方法,对传统身份验证方法与人脸识别方法进行了分析比较。研究了人脸识别在移动电话上的应用,建立了基于人脸识别的身份验证的流程,并采用PCA和2DPCA方法进行了仿真比较,实验结果表明2DPCA方法的性能优于PCA方法。

摘要： 本发明公开了一种基于Deep DPCA‑SVM的故障检测方法，首先在工业生产系统正常工况和M个不同类型故障工况下获取若干采样时刻的测量数据向量，然后生成每种工况对应的动态样本矩阵并进行标准化，采用正常工况标准化的动态样本矩阵对预选构建好的Deep DPCA模型进行训练，然后将每种工况标准化的动态样本矩阵输入训练好的Deep DPCA模型，计算每个工况对应的比例向量作为SVM模型的训练样本集，再对SVM模型进行训练，在工业生产系统运行过程中，采用相同方法获取当前采样时刻的比例向量，通过训练好的SVM模型实现故障检测。本发明构造多层DPCA模型形成Deep DPCA模型提取样本中的动态特征，结合SVM模型实现故障检测，可以有效提升故障检测效果。

摘要： 本发明公开了一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法，其特征在于，包括如下步骤：1）对雷达回波数据进行短时傅里叶变换即STFT获取无人机旋翼微多普勒特征的时频图；2）对步骤1）获取的时频图进行Radon变换，提取微多普勒特征的边缘信息；3）对步骤2）radon变换后的图像采用改进2DPCA算法进一步提取有效特征向量；4）依据步骤3）提取的特征向量采用KNN分类算法识别不同种类的无人机，得到识别结果。这种方法在低信噪比的复杂场景下具有高识别率。

摘要： 本发明公开了一种基于双向2DPCA与级联前向神经网络的人脸识别方法，本发明大体包括三部分内容：第一部分，对原始图像进行直方图均衡化，提高对比度；第二部分，使用双向2DPCA进行特征提取；第三部分，将提取后的特征输入进级联前向神经网络训练，建立起人脸识别分类器。本发明即能够快速准确提取出特征值，也能利用级联前向神经网络进行识别，并通过样本不断学习提高识别准确率，实现了对人脸的有效识别。

摘要： 本发明涉及一种结合S变换和2DPCA的同调机组分群方法及系统。利用WAMS相量测量装置获取系统机组的实时功角，采用快速S变换将每台发电机的功角信号转换为时频特征模值矩阵，用2DPCA对时频特征模值矩阵进行降维，转化为低维度的特征指标矩阵，将特征指标矩阵输入自组织神经网络进行聚类识别。本发明能够在不同运行方式下，随着不同故障及不同故障地点变化，实时对系统进行在线机组分群，综合考虑了功角的时频域信息，识别准确度高，聚类结果稳定，为简化电网、确定系统振荡中心以及解列控制提供必要前提，保障电网安全、高效和稳定运行。

摘要： 本发明公开了融合模糊2DPCA和模糊2DLDA的人脸识别方法，属于模式识别领域和人工智能领域。该方法首先计算出训练样本图像矩阵的模糊隶属度值和类中心值，然后根据模糊2DPCA计算出训练样本图像矩阵的模糊二维总体散射矩阵Sf2DT及Sf2DT的特征值和特征向量；其次根据模糊2DLDA计算出训练样本图像矩阵的模糊二维类间散射矩阵Sf2DB，并且计算出Sf2DT逆矩阵与Sf2DB的乘积矩阵的特征值和特征向量；最后用模糊2DPCA的特征向量和模糊2DLDA的特征向量实现人脸图像矩阵的压缩，再将压缩后的测试样本矩阵和训练样本矩阵按列拉成向量，将向量投影到特征转换矩阵上，用最近邻分类器得出结果。本发明可实现人脸图像的准确识别，具有高识别率和高效率性。

摘要： 多通道SAR‑GMTI方法主要包括沿航迹干涉（Along Track Interferometry，ATI），相位中心偏置天线（Displaced Phase Center Antenna，DPCA）和空时自适应处理（Space‑time Adaptive Processing，STAP）等。DPCA技术通过复数据相减操作来进行杂波抑制，进而检测运动目标，由于其结构简单，工程上易于实现，在实际系统中得以广泛应用。但是由于实际系统中不可避免地存在噪声等客观不利因素，静止目标往往有时也会存在微小干涉相位，相减后静止杂波仍会有部分能量剩余。对于道路和桥梁上具有强散射性的静止目标，即使两通道信号只有微小幅相差异，DPCA处理后剩余的杂波幅度还是很强，造成大量虚警，影响动目标检测性能。为克服现有技术中的缺陷，本发明针对复杂地形场景下，典型的SAR图像域DPCA动目标检测方法存在虚警过多的问题，提出一种基于极化分类的图像域DPCA虚警抑制方法，通过多极化图像地物识别，抑制房屋、桥梁、路灯等造成的虚警，提高动目标检测性能。

摘要： 应用2DPCA降维机制的指静脉识别方法，包括：S1、获取近红外光下的指静脉原始图像P1；S2、对指静脉原始图像进行感兴趣区域提取并进行回复归一化处理得到指静脉预处理图像P2；S3、对指静脉预处理图像P2进行gamma矫正得到指静脉图像Pg；S4、将指静脉图像Pg分块，对每一子块进行特征提取获得分块LBP特征向量S5、对分块LBP特征向量进行信息熵加权得到加权LBP特征向量，归一化后得到整幅图像的特征向量S6、应用2DPCA降维方法对所有训练样本信息熵加权LBP特征向量进行降维获得特征向量S7、将经过降维处理的训练样本特征向量输入SVM模型进行训练得到最佳模型参数；S8、将测试样本输入最佳模型参数的SVM分类器进行分类识别。

摘要： 本发明公开了一种基于LNS‑DPCA的污水处理过程监测方法，通过获取污水处理过程中的正常工况采样数据，例如PH值、氮含量、磷含量、氧含量等，进行LNS‑DPCA建模并求取控制限，再将实时数据进行LNS‑DPCA处理，求取统计量，将控制限与统计量进行比较，通过比较结果判断污水处理过程正常还是异常。本方法能够对污水处理过程中的多项数据进行监测，及时发现污水处理过程中的异常情况。

摘要： 一种基于2DPCA‑CWT与CNN的滚动轴承故障诊断方法，包括以下步骤：步骤S1，采集振动信号，将采集到的振动信号利用连续小波变换转换为时频图像；步骤S2，通过二维主成分分析方法，提取时频图像的主要信息量，消除冗余信息，得到2DPCA‑CWT时频图，划分训练集x‑train与测试集x‑test；步骤S3，构建卷积神经网络故障诊断模型，利用训练集x‑train与训练集标签y‑train对卷积神经网络进行训练，测试集x‑test与测试集标签y‑test完成故障信息分类；可更加快速有效的识别出滚动轴承的不同故障。

摘要： 本发明公开了一种基于改进2DPCA‑EOCA的鲁棒手写数字识别方法，包括如下步骤：S1、首先利用2DPCA方法对原始数字图像Ai(i＝1，2，…，N)进行降维，得到图像的特征矩阵Yi；S2、将图像A的特征矩阵Y作为EOCA方法的聚类输入，对其实施EOCA聚类，得到分类结果，实现对任意随机手写数字的识别。S3、基于空间投影的新一致性准则函数构造。S4、基于最近邻模板的手写数字分类识别。