MB_LBP与改进FastPCA：高效人脸特征提取新策略

本文主要探讨了"基于MB_LBP与改进Fast PCA算法的人脸特征提取"这一研究主题。该研究发表在2015年的《微型机与应用》第34卷第15期，由崔浩、刘军清、陈鹏、雷邦军和李伟生等人来自三峡大学计算机与信息学院的作者共同完成。他们针对传统MB_LBP算法在人脸特征提取中存在的问题，即维数较高且使用PCA方法可能导致图像原始空间结构破坏和维数增大，提出了一个创新的方法。 MB_LBP（多尺度块局部二值模式）是一种局部纹理特征提取技术，通过将图像划分为多个小块并计算每个块的局部二值表示，从而捕捉图像的局部结构信息。然而，单纯依赖MB_LBP可能会导致特征维度过多，这不仅增加了计算复杂性，还可能影响后续处理的效率和性能。 为了克服这些问题，研究人员提出了一种结合改进的Fast PCA算法来优化特征提取过程。Fast PCA是一种快速主成分分析方法，通常用于数据降维，它通过减少数据的维数同时保留最重要的信息。改进的Fast PCA算法旨在加速计算矩阵S非零本征值所对应的本征向量，从而更有效地实现人脸特征的降维，减小了维数灾难的影响，同时保持了足够的特征信息。 在实际应用中，作者使用ORL人脸库进行了实验验证。实验结果表明，他们的方法相较于未改进的MB_LBP，显著提高了人脸特征提取的精度，并且大大减少了计算时间，使得整个特征提取过程更为高效。因此，这种方法对于实际的人脸识别系统具有重要的实际价值。 该研究的关键词包括MB_LBP算法、改进Fast PCA、人脸特征和维数降低。文章的引用格式为：崔浩等. 基于MB_LBP与改进Fast PCA算法的人脸特征提取[J]. 微型机与应用, 2015, 34(15): 29-32. 这篇研究在人脸识别领域提供了一个实用且高效的特征提取策略，对于那些追求高精度和低延迟的人脸识别系统开发者来说，是一个有价值的参考。