人脸识别中基于流形学习的子空间特征提取方法研究

计算机视觉的特征提取算法研究至关重要。在一些算法中,一个高复杂度特征的提取可能能够解决问题(进行目标检测等目的),但这将以处理更多数据,需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字

主分量分析PCA算法，可用于人脸识别等模式识别

Sift feature extraction method

基于gabor小波变换，是生物特征提取的有效办法.非常有用

针对大数据量的影像匹配问题，提出了一种基于正则化流形学习的影像匹配方法。该方法利用曼哈顿距离方法计算特征点SIFT描述符的相似性，并在此基础上增加同一幅影像中特征点之间的空间结构关系作为正则化项，采用

针对现有的基于稀疏表示的人脸识别方法没有更新优化选择的原子的问题，提出一种基于子空间追踪的人脸识别方法。在稀疏编码过程中的原子选择步骤中，引入回溯迭代优化思想和多原子选择方案，通过移除可信度较低的原子

好东西一家一起分享，基于流形学习的纤维丛学习算法研究确实不错，希望大家好好看看

NeighbourhoodPreservingEmbedding是一种基于流形的子空间方法。文件中包含原始的NPE算法和3种改进的有监督NPE算法，经过试验，有监督的识别算法优于原始算法。

针对光照对人脸特征提取的影响，提出了一种基于多尺度Curvelet变换的自适应局部熵的光照鲁棒性人脸特征提取方法。采用特殊局部对比增强算法对光照不均衡图像进行光照补偿，同时使图像局部特征显著；通过对增

基于共空间模式的脑电信号处理，代码简短，便于使用