Gabor频率对人脸特征定位的影响研究

中心频率位于高频段的Gabor滤波器具有较小的窗口,描述图像的局部特征,满足特征点表示的独立性要求;图像的高频信息随位置的不同有显著的变化。所以,在利用Gabor小波变换系数对人脸图像的特征点进行定位时,图像的高频信息更有利于特征点的定位。本文研究了不同频率的Gabor及其组合对特征点定位的影响,通过分析和试验得到了有利于人脸特征定位的Gabor频率组合。     

基于光照变换的Gabor小波人脸识别

光照变化易使人脸图像的灰度分布不均,造成局部对比度差别较大,会引起人脸识别正确率下降。为此在同态滤波的基础上,改变滤波函数,提出了高斯滤波的人脸识别方法,接着对滤波后的图像直方图均衡化,来增加图像的灰度动态范围,然后对人脸图像提取Gabor小波特征,最后利用最近邻法识别人脸图像。在光照变换明显的Yale B和CMU PIE数据库识别效果最好,降低了人脸图像的特征维数,缩短了特征提取时间,有效地提高了人脸识别率。     

提取多尺度光照不变量的人脸识别

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题,为了提高人脸图像的识别率,提出了一种用于非均匀光照条件下人脸识别的算法.利用对数及二维小波变换的多尺度特性提取出人脸的光照不变量,然后运用PCA+LDA方法进行人脸特征提取,并采用基于欧氏距离的最近邻分类器进行识别.通过Matlab编程实验,在Yale B人脸库中达到了较高的识别率.     

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。     

人脸Gabor小波特征的鲁棒性研究

人脸识别可以归结为特征的提取,对于识别任务,最主要的是要提取图像的辨别特征,但图像辨别特征的提取难度很大.对人脸图像在不同光照、姿势条件下的Gabor小波特征进行研究,证明Gabor小波特征在人脸识别中的鲁棒性.     

基于Armlets的人脸光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法通过在对数域计算2维Armlets多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其他光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.18%,优于现有的其他算法。     

Gabor特征判别分析人脸识别方法的误配准鲁棒性分析

人脸识别领域中,Gabor特征人脸表示方法因其在应用中获得的高首选识别率而被认为是一种理想的人脸特征表示方法。文章用一种全新的量化评价方法,结合配准精度和识别率,从误配准鲁棒性角度评价Gabor特征在人脸识别中的优越性。实验表明,和图像灰度信息特征相比,Gabor特征不仅在精确配准时具有高识别率,而且对由于人脸特征定位不精确而导致的图像变化的鲁棒性也更强。     

Gabor镜像奇偶特征与人脸图像对称性的关系

在镜像变换的基础上,给出Gabor镜像奇、偶特征的提取过程,针对YaleB人脸库图像,通过实验对不同子集人脸图像进行定量的对称性分析,并从单幅人脸图像的Gabor镜像奇、偶特征及整体人脸库的目标识别率两方面分析Gabor镜像奇偶特征和人脸图像对称性的关系。     

基于Gabor特征融合和LSSVM的人脸识别算法

针对Gabor特征维数高难题,提高光照人脸的识别性能,提出一种基于Gabor特征融合和最小二支持向量机的人脸识别算法(Gabor-LSSVM)。首先采用Gabor滤波器提取人脸图像的多尺度和多方向特征,并将相同尺度不同方向的特征融合,初步降低特征维数;然后采用核主成分分析对融合特征进行选择,进一步降低特征维数;最后采用最小支持向量机建立分类器对人脸进行识别,并采用Yale B和PIE人脸库进行仿真测试。结果表明Gabor-LSSVM的人脸识别正确率和识别效率都得到了提高。     

基于局部定性表达的光照不变人脸识别方法

提出一种局部定性特征表达方法称为局部序映射(LOM)作为光照不变表达用于人脸识别。该特征表达像素在其邻域中所处的序阶位置,反应了图像像素在局部区域内的相对关系,因而对光照引起的图像大面积灰度变化有很好的不敏感性。同时提出一种针对序定性特征的逻辑距离度量,用于特征空间中最近邻分类器的相似性度量准则。 在Extended YaleB 光照变化人脸测试库中的实验表明了本文局部序映射表达的光照鲁棒性及逻辑距离度量的有效性。     

基于非高斯二维Gabor滤波器的生物特征提取算法

Gabor滤波器是一种非常有效的图像纹理特征提取算子。Gabor滤波器可以看作是高斯核函数在频域由复正弦函数调制而成,其频谱仍是高斯函数。采用Gabor滤波器对图像进行滤波处理时,图像所包含的位于高斯函数的频带范围之外的非高斯频谱上的重要信息并不能被Gabor滤波器所提取。提出另外一种二维非高斯Gabor滤波器用于生物特征提取。在所提二维非高斯Gabor滤波器中引入了一个新的参数。这个新参数可以控制二维非高斯Gabor滤波器包络的形状。为了证明所提出的非高斯Gabor滤波器的优越性,在人脸和掌纹数据库中做了大量的实验。实验结果表明,提出的二维非高斯Gabor滤波器的性能相比于传统二维Gabor滤波器有较大的提高。     

基于Gabor定向模式的人脸识别方法

为了从Gabor滤波后的幅值图中提取更加有效的分类特征,提出了一种新的基于Gabor定向模式（GDP）的人脸识别方法。首先对人脸图像进行多尺度多方向的Gabor滤波,然后提出了一种新的GDP算子通过对每种尺度下所有方向的Gabor幅度图进行编码得到每种尺度对应的GDP模式图,最后将所有GDP模式图的直方图向量串联作为最终的人脸表示。由于GDP算子同时对同一尺度下的所有方向上的Gabor幅度响应进行编码,因而GDP特征不仅对外界变化具有较好的鲁棒性,而且能够显著降低最终的特征长度。在ORL和CAS-PEAL人脸库上的实验结果显示GDP方法能以更小的特征长度获得优于传统LGBP及LGXP等方法的识别效果,证明了方法的有效性。     

基于Gabor滤波器的快速人脸识别算法

针对传统人脸识别方法中所提取特征维数高、计算量大等缺点,提出一种新的正面人脸识别算法。新算法融合了半边人脸识别方法、Gabor滤波器、基于互信息判据的Gabor特征筛选来进行人脸识别。新算法将人脸图像分为左右两个部分,计算并比较人脸图像左右半边脸的熵,选取熵值较大的半边人脸图像进行Gabor特征提取。利用二值分类器判别单个Gabor特征的分类能力,选取分类能力较强的特征（最具判决力的特征）。再利用互信息判据对Gabor特征进行第二次筛选,以减小特征之间的冗余度。最后利用最近邻判别器来进行人脸识别。实验结果表明,新算法的识别率优于传统半边脸识别方法,识别速度也优于传统的利用Gabor滤波器进行特征提取的方法。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

改进型Gabor自商图算法及其在人脸识别中的应用

光照变化是影响人脸识别系统性能的关键问题之一,针对该问题提出了一种改进的基于Gabor特征的自商图算法。对人脸图像采用改进的加权Gabor滤波器进行平滑的Gabor特征提取,使用自商图像的方法求取图像的光照不变特征;对得到的自商图像用直方图截断等方法进行归一化;在Extended Yale B与CMU PIE人脸库上通过基于皮尔逊相关系数的最近邻方法进行实验。实验结果表明,与传统算法相比,该算法可以大幅度提高人脸识别率。     

基于图像和改进Gabor相结合的人脸检测

为了提高人脸检测的速度,文章提出了一种基于图像和改进Gabor滤波器相结合的检测方法。该方法用改进的Gabor滤波对训练样本进行变换,提取出人脸特征的特征向量;在检测时,首先利用双眼区域的亮度关系和脸部的对称特征来快速过滤掉大量的背景区域,其次利用改进的滤波器对余下的区域进行进一步验证,以确定是否为人脸。仿真和实验表明,该算法在不降低准确率的基础上其检测速度有明显的提高。     

基于Gabor小波的人脸识别技术

本文首先通过直方图均衡化等预处理方法增强图像的整体对比度,使图像的细节更加清晰.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间,并提高识别率.