基于四元数小波幅值相位表示及分块投票策略的人脸识别方法*

提出一种基于四元数小波幅值相位表示及分块投票策略的人脸识别方法。该方法首先对人脸图像进行预处理,利用四元数小波变换的四路小波提取多个角度方向的小波系数,并求取四元数幅值和三个相位,将这些幅值和相位特征组合并分成若干子块,对每个子块根据最近邻原则进行分类,对各子块分类结果进行投票以实现人脸图像最终识别。对五个人脸数据库的实验表明,该方法具有较高识别率和对表情及光照变化的鲁棒性。     

2D双树复小波与判别共同矢量结合的人脸认证

针对人脸认证中的小样本问题和Gabor小波特征提取的不足,提出一种有效的人脸认证算法。对预处理后的图像进行2D双树复小波变换,将每幅图像不同尺度下多个方向的小波系数幅值作为特征矢量,表征重要的局部信息;将提取的特征矢量向判别共同矢量空间投影,进一步提取具有判别能力的特征,同时进行降维;根据用户特定阈值进行认证。ORL人脸库和FERET子库上的实验结果验证了算法的有效性。     

基于四元数小波变换的清晰度评价

针对当前各种图像清晰度评价方法在清晰度判别过程中单调性和区分度不够以及适用范围较小的问题,提出了一种基于四元数小波变换（QWT）幅值与相位的图像清晰度评价方法。该算法通过四元数小波变换将图像从空间域变换到频率域,对得到的四元数小波变换系数进一步计算之后获得低频子带与高频子带的幅值与相位信息,求得低频子带幅值各方向的梯度之后与对应方向的相位相乘求和,最终得到两个清晰度指标值。采用该算法与多种现有算法对不同内容的图像、不同程度模糊的图像以及含有不同程度噪声的图像进行清晰度评价实验：相对于现有算法,所提算法在对上述多种图像的清晰度评价中都保持着很好的单调性与区分度。实验结果表明,所提算法不但克服了现有算法在单调性与区分度上的不足,而且所提清晰度评价指标可以应用在图像处理中。     

改进的Gabor小波变换特征提取算法

针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题,提出了一种改进的Gabor小波变换特征提取算法。该算法计算局部幅值特征和局部相位特征,增强了每个像素的局部关联性;然后通过实验选定加权系数,将幅值特征与相位特征进行加权融合。实验结果表明,该算法与改进前的算法相比,降低了特征向量的维度,且提高了最终的人脸识别率。     

融合Gabor和Gist特征的人脸识别

为了进一步增强人脸识别系统的实用性,提高人脸识别率,提出了一种新的融合Gabor小波特征和Gist特征的人脸特征提取方法。对一幅人脸图像提取其多个尺度和方向的Gabor特征图,再对这些Gabor特征图进行处理,分别提取其Gist特征,接着再把所有Gabor特征图的Gist特征级联起来作为一人脸图像的特征向量,经过PCA方法降维处理,最后输入到支持向量机里面训练识别。通过在ORL和FERET人脸库中进行实验检测,结果表明与传统的PCA-SVM方法和Gabor特征提取方法相比,给出的方法可以大幅度提高人脸识别率。     

Gabor小波幅值和相位特征人脸识别方法比较

对采用Gabor幅值、Gabor相位以及Gabor幅值加相位结合这三种方法,在同等条件基础上对所提取的特征进行分块,用PCA降维,采用最近邻分类规则进行识别并比较结果。在ORL、Yale、Indian、YaleBE、PIE和FERET六个数据库进行比较研究的结果表明,Gabor小波相位特征对光照有较高的鲁棒性,在光照变化明显的Yale和YaleBE数据库识别效果最好,而Gabor小波幅值加相位特征具有表情和时间变化的鲁棒性,在FERET的fb、dup1、dup2测试集上获得了较高的识别率。     

基于Gabor小波和流形的人脸识别研究

本文研究基于Gabor小波变换和流形学习的人脸识别方法,首先引入Gabor小波对人脸图像提取不同方向、不同尺度的多个Gabor幅值特征（Gabor magnitude feature）,然后使用能够提取子流形的NPE算法对GMF特征进行维数约简,最后使用线性判别分析进一步提取鉴别性特征。此算法利用了Gabor特征对人脸图像的优异表征能力、流形方法和传统的判别方法。在标准人脸库上的实验结果表明,与其他降维方法相比,新算法能够获得较好的识别效果。     

基于局部Gabor二值映射和SVM的性别分类

基于多角度人脸图像的性别分类是计算机视觉领域的一项具有挑战性的研究课题。为了提高多角度人脸性别分类的准确率,提出一种新的局部Gabor二值映射模式特征提取方法。该方法结合了局部二值模式、图像空间信息以及Gabor小波变换的幅值信息,对图像噪声、光照变化和人脸角度变化均具有一定的鲁棒性。在中科院CAS—PEAL人脸数据库上进行的实验表明,在所有9种不同角度的人脸图像中,该方法取得了95％的最高平均准确率。     

基于Gabor小波变换与分块PCA的人脸识别

由于Gabor小波描述的人脸特征维数太高,直接将Gabor小波提取的特征进行识别时出现计算量大、实时性差的问题,提出了基于Gabor小波变换与分块主分量分析的人脸识别新算法。首先对人脸图像进行Gabor小波变换得到人脸图像特征,然后用分块主分量分析方法对其进行降维、提取特征向量,最后用最近邻分类器分类识别。在ORL和NUST603人脸库上进行实验,结果表明,该方法的识别率优于传统PCA、分块PCA、Gabor小波变换与PCA结合的方法。     

基于四元数小波变换及多分形特征的纹理分类

将四元数小波变换(QWT)和多分形相结合进行纹理分类,充分利用了QWT的旋转不变特性和纹理图像的多分形特性,能弥补传统的应用小波变换进行纹理分类时缺乏将输入图像分解成多个方向的不足。通过对UIUC数据库中的纹理图像分类,表明四元数小波与多分形相结合的方法具有较高的分类精度,平均分类正确率可达96.69%,是一种合理有效的纹理分类方法。     

基于彩色Gabor特征的人脸识别技术

提出了一种利用所提取的彩色Gabor特征来提高人脸识别系统性能的方法。首先利用四元数表示彩色信息,考虑到Gabor滤波器具有空间局部性和方向选择性的特点,将其扩展到四元数空间。然后通过人脸图像特征点与Gabor滤波器的卷积来提取特征,这样就将传统的灰度Gabor特征拓展为彩色Gabor特征。最后对于所提取的特征利用PCA降维后送入支持向量机中分类。实验采用彩色FERET人脸库并利用ROC曲线进行交叉检验,结果说明通过提取和利用这种彩色纹理信息能显著提高人脸识别系统性能。     

一种基于改进弹性束图匹配的人脸识别

针对基于弹性束图匹配（EBGM）算法的正面人脸识别,提出了一种新的优化理论。在EBGM算法中,在抽取脸部图像特征之前,需要首先预设好Gabor小波的波长。为了对EBGM算法进行优化,提出了采用遗传算法（GA）对Gabor小波波长进行最佳选择。为了对改进的算法进行评估,实验对300个FERET人脸数据库类进行了测试。在训练阶段,每个类中只取出一幅图像用来训练。经过优化后的EBGM算法匹配运算大幅度减少,识别率大约为90％,运行速度提高至原EBGM算法的115倍。     

Gabor wavelet associative memory for face recognition

This letter describes a high-performance face recognition system by combining two recently proposed neural network models, namely Gabor wavelet network (GWN) and kernel associative memory (KAM), into a unified structure called Gabor wavelet associative memory (GWAM). GWAM has superior representation capability inherited from GWN and consequently demonstrates a much better recognition performance than KAM. Extensive experiments have been conducted to evaluate a GWAM-based recognition scheme using three popular face databases, i.e., FERET database, Olivetti-Oracle Research Lab (ORL) database and AR face database. The experimental results consistently show our scheme's superiority and demonstrate its very high-performance comparing favorably to some recent face recognition methods, achieving 99.3% and 100% accuracy, respectively, on the former two databases, exhibiting very robust performance on the last database against varying illumination conditions.     

Independent component analysis of Gabor features for face recognition

We present an independent Gabor features (IGFs) method and its application to face recognition. The novelty of the IGF method comes from 1) the derivation of independent Gabor features in the feature extraction stage and 2) the development of an IGF features-based probabilistic reasoning model (PRM) classification method in the pattern recognition stage. In particular, the IGF method first derives a Gabor feature vector from a set of downsampled Gabor wavelet representations of face images, then reduces the dimensionality of the vector by means of principal component analysis, and finally defines the independent Gabor features based on the independent component analysis (ICA). The independence property of these Gabor features facilitates the application of the PRM method for classification. The rationale behind integrating the Gabor wavelets and the ICA is twofold. On the one hand, the Gabor transformed face images exhibit strong characteristics of spatial locality, scale, and orientation selectivity. These images can, thus, produce salient local features that are most suitable for face recognition. On the other hand, ICA would further reduce redundancy and represent independent features explicitly. These independent features are most useful for subsequent pattern discrimination and associative recall. Experiments on face recognition using the FacE REcognition Technology (FERET) and the ORL datasets, where the images vary in illumination, expression, pose, and scale, show the feasibility of the IGF method. In particular, the IGF method achieves 98.5% correct face recognition accuracy when using 180 features for the FERET dataset, and 100% accuracy for the ORL dataset using 88 features.     

基于Gabor特征与加权协同表示的人脸识别算法

针对基于稀疏表示分类方法的训练样本于与类别标签信息提取不足,特别是在训练样本和待测样本都受到噪声污染的情况下将会明显下降及算法复杂度较高的问题,提出以Gabor特征以及加权协同为基础的人脸识别算法;最初需要对人脸图像内所包含的各个尺度以及方向的Gabor特征完成提取,在稀疏表示中引入Gabor特征,将降维后的Gabor特征矩阵作为超完备字典,再用稀疏表示增强加权协同表示得到该字典下的的稀疏表示系数,然后利用增强系数与训练样本的标签矩阵完成对测试样本进行分类识别,从而得到Gabor特征以及加权的协同表示分类方法,在Yale人脸数据库、Extended Yale B和AR人脸数据库上以及在FERET人脸数据库对人脸姿态变化的实验表明新算法具有更好的识别率和较短的计算时间.     

基于Gabor小波特征的多姿态人脸图像识别

多姿态人脸识别在很多领域具有重要的应用价值。基于多姿态人脸图像及Gabor小波特点选取离散化参数,对人脸图像进行Gabor小波变换;然后采用两步降维法对变换系数进行降维,基于降维后的Gabor特征表示实现人脸识别。实验将互不相交的两个样本集依次作为训练集和测试集,验证了该方法在人脸识别中对于不同姿态和表情的有效性及鲁棒性。     

基于Gabor相位纹理表征的人脸识别方法

为降低Gabor特征的维数,提出一种基于Gabor相位的纹理表征(GPTR)方法,将其应用于人脸识别。GPTR采用广义高斯分布 (GGD)拟合Gabor相位的分布,将拟合的GGD参数作为纹理特征。采用保局投影方法对纹理特征向量进行子空间分析,进一步降低其维数并增强鉴别力。在FERET及Yale人脸库上的实验结果表明,相比传统的Gabor幅值特征,GPTR具有更高的人脸识别准确率。