《表3 各算法在Yale数据集上不同分辨率下的识别率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于一致判别相关分析的低分辨率人脸识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

Yale人脸数据集包含15个的不同受试者，其中每人有11幅不同的图像，共165张灰度图像，图像是在不同的面部表情和环境下拍摄的。实验中，每次仅随机选取每个个体的5张人脸作为训练集，另外任选5张人脸作为测试集，该实验中选择的HR图像为32像素×32像素，LR图像的分辨率分别为9像素×9像素、10像素×10像素、11像素×11像素。实验目的是研究不同分辨率的LR人脸图像对各算法识别率的影响，图3列出了实验需要的部分HR和LR人脸图像。实验中，在Zhang’s的方法中，设置核参数为1.06，径向基函数中的参数设置为2，CDCA算法参数设置为0.01。表3列出在Yale人脸数据集上各算法在不同分辨率下的识别率。由表3容易发现，当选取的分辨率是9像素×9像素时，Method（1）的识别率为95.89%，显著高于其他算法的识别率；分辨率为10像素×10像素时，Method（1）和Method（2）的识别率分别为98.93%和97.91%，显著高于其他算法的识别率；当选取分辨率为11像素×11像素时，Method（2）的识别率达到99.64%均高于其他算法的识别率。容易发现，当所选取的人脸图像分辨率相同时，Method（1）和Method（2）的识别率优于其他算法。