基于Gabor小波和LDA的人脸识别算法研究

为了克服光照、表情变化等因素对人脸识别的影响,提出了一种基于Gabor小波和LDA的人脸识别方法,该方法充分利用了Gabor小波的空间局部性和万向选择性,先提取原始人脸图像的Gabor特征,然后对其作LDA变换得到最佳分类特征.依据ORL和YALE人脸库进行实验,实验结果表明,该识别方法对各种变化具有一定稳健性,最高识...     

基于简化Gabor小波的人脸识别算法研究

由于Gabor函数的生物特征,所以Gabor小波经常被用来进行纹理特征提取应用于人脸识别。然而由于在提取Gabor小波特征时运算复杂度高和所需运行时间长,使其不具备应用到实时的条件下,从而限制了Gabor小波在工程上的应用。本文提出了一种简化Gabor小波人脸识别算法,降低了运算复杂度,提高了特征提取的实时性,而且能取得与连续Gabor小波人脸识别算法相同的效果,并且与经典的PCA、LDA、LBP等经典算法相比取得了更好的识别率。     

基于Gabor小波和支持向量机的人脸识别方法

基于Gabor小波在图像表征方面的优越性,提出了将Gabor小波和支持向量机(SVM)相结合用于人脸识别的方案。用Gabor小波对人脸图像进行特征提取,再利用SVM策略对特征向量进行分类识别,实验的仿真结果验证了本算法的有效性。     

基于巴氏距离和LPP相结合的人脸识别

局部保持映射(Locality Preserving Projection,LPP)算法是一种有效的特征提取方法。提出了利用巴氏距离和LPP相合算法对特征进行提取。当特征维数过高时,首先对样本用LPP进行特征提取和降维处理,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。在ORL上实验,实验结果表明了提出算法在人脸识别中的有效性。     

基于Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.     

基于二维Gabor小波的人脸识别算法

该文提出了一种基于二维Gabor小波的人脸识别算法。该算法先对人脸图像进行多分辨率的Gabor小波变换,然后在图像上放置一组网格结点,每个结点用该结点处的多尺度Gabor幅度特征描述,采用主元分析法对每个结点进行去相关、降维,最后形成特征结。把每个特征结作为观测向量,对隐马尔可夫模型进行训练,并把优化的模型参数用于人脸识别。实验结果表明,该方法识别率高,复杂度较低。     

基于 Gabor小波变换的 ICA 人脸识别算法研究

为了提高较少训练样本下的人脸识别率,提出了一种改进的人脸识别算法。基于Gabor小波可以良好地表征人脸局部纹理特征这一优点,利用幅值和相位信息相结合来描述图像,通过ICA方法提取独立分量,采用最近邻分类器对该特征进行分类,在ORL人脸数据库上进行了大量实验。结果表明该算法具有很高的识别率,尤其是在训练样本数量较少的情况下,识别率仍保持在90％以上。     

基于 环形对称Gabor变换和分块PCA的人脸识别方法研究

提出了利用一种新方法获取合适的环形对称Gabor核函数窗口提取人脸图像的纹理信息,并结合改进的PCA进行人脸识别的方法。首先将人脸与环形Gabor小波函数卷积得到图像在5个尺度上的变换,该过程采用一种新方法获取合适的Gabor核函数窗口,以保证与人脸图像卷积后得到更为合理的人脸特征,同时利用一种新的分块PCA方法,将环形Gabor滤波后的子图像分组,对分组后的图像平均分块再进行降维,在空间位置上提取出Gabor人脸细节的主要特征,有效降低了人脸特征冗余。通过实验验证该方法在3.5 m内对人脸识别率达到95%,单个人脸识别时间小于0.22 s。     

一种应用于小样本人脸识别的2DLPP算法

LPP是一种局部特征提取算法,被广泛应用于模式识别中,然而在人脸识别中会遭遇小样本问题,为解决这个问题,提出了一种应用于人脸识别的二维LPP算法,直接对图像矩阵进行特征提取,既解决了传统LPP算法的小样本问题,又加快了特征提取速度.YALE人脸库和Extended Yale B人脸库上的实验结果表明2DPP具有较高的识别率,对光照、姿态的变化具有一定的鲁棒性.     

基于Gabor小波和神经网的人脸检测

论文提出了一种基于Gabor滤波特征和的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并送入神经网路进行训练。实验结果证明该方法行是十分有效的。     

基于核的正交局部保持投影的人脸识别

针对发掘人脸图像中的高维非线性结构,本文将加核及向量间相互正交两种思想同时引入局部保留投影算法中,提出了一种新的基于核的正交局部保持投影(Kernel based Orthogonal Locality Preserving Projections, KOLPP)的非线性子空间人脸识别算法并给出了其推导过程。该算法首先利用核的方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,在保证各向量正交的同时,通过局部保持投影算法做一线性映射,从而更好地提取人脸非线性局部邻域结构特征。在ORL和Yale人脸库上的试验证明了该文所提算法的有效性。     

一种基于Gabor小波及互协方差降维运算的人脸识别方法

针对传统的人脸识别方法对人脸图像的曝光量、表情比较敏感,并且具有较大类内离散度的缺点,该文提出一种基于Gabor小波以及加权互协方差运算的人脸识别算法。该算法首先对人脸图像提取Gabor特征,然后使用加权的互协方差矩阵对经过处理的特征图像进行降维及特征提取;最后使用最近邻分类器进行分类。在ORL数据库和AR数据库上的实验表明,该方法的降维和识别性能优于传统2DPCA及其改进算法,能兼顾维度简约性和准确性,有效地提高了识别性能。     

基于核邻域保持投影的人脸识别

提出了一种有效的非线性子空间学习方法:核邻域保持投影.其主要思想是通过引入线性变换矩阵来近似经典的局部线性嵌入(LLE),然后通过核方法的技巧在高维空间里求解.经过推导,实际的子空间的计算可归结为标准的特征值分解问题而非推广的特征值分解问题.在AR人脸数据库上的试验表明该方法是有效的.     

一种核正交鉴别保局投影算法

 正交鉴别保局投影算法是一种有效的特征提取方法,但是将其应用在人脸识别中将遇到小样本问题,并且算法只是一种线性的特征提取方法,因此提出一种核保局正交鉴别投影算法。实现这一算法的关键是高维特征空间中总体散布矩阵的非零空间的计算,对此根据eigenfaces中将高阶矩阵计算转化成低阶矩阵计算的思想及核函数技术,将高维特征空间中总体散布矩阵的非零空间的计算仍归结为标准的特征值分解问题,并且所提出的算法能够有效地解决小样本问题。在人脸库上的实验结果验证了所提出的算法是可行的和有效的。     

Low-Resolution Face Recognition via Coupled Locality Preserving Mappings

Practical face recognition systems are sometimes confronted with low-resolution face images. Traditional two-step methods solve this problem through employing super-resolution (SR). However, these methods usually have limited performance because the target of SR is not absolutely consistent with that of face recognition. Moreover, time-consuming sophisticated SR algorithms are not suitable for real-time applications. To avoid these limitations, we propose a novel approach for LR face recognition without any SR preprocessing. Our method based on coupled mappings (CMs), projects the face images with different resolutions into a unified feature space which favors the task of classification. These CMs are learned through optimizing the objective function to minimize the difference between the correspondences (i.e., low-resolution image and its high-resolution counterpart). Inspired by locality preserving methods for dimensionality reduction, we introduce a penalty weighting matrix into our objective function. Our method significantly improves the recognition performance. Finally, we conduct experiments on publicly available databases to verify the efficacy of our algorithm.     

局部保持鉴别投影及其在人脸识别中的应用

针对流形学习在人脸识别中的应用,该文提出基于局部保持投影(Locality Preserving Projection, LPP)的监督线性维数约简方法。利用样本的类别信息,将LPP的最近邻图分解为类内图和类外图,通过优化,最优保持同类数据固有的局部邻域关系,缩小数据之间的距离,同时最大化不同类数据之间的距离,从而增大各类数据分布之间的间隔,提高了嵌入空间的辨别能力。此外,在构建图的过程中采用了自适应邻域,增强了对数据分布稀疏性的表征。在Extended Yale B和CMU PIE两个开放人脸数据库上进行了试验,验证了算法的有效性。     

基于局部约束编码的稀疏保持投影降维识别方法研究

稀疏表示技术的引入可有效解决降维处理对图参数的依赖,但这类降维方法不能同时兼顾稀疏重构和样本数据的邻近性问题。针对该问题,本文提出了一种基于局部约束编码的稀疏保持投影降维识别方法。通过稀疏表示分类模型构建了图边权矩阵,引入局部约束因子设计了降维投影模型,推导降维求解过程,分析了本文方法与SPP （ Sparse Preserving Projections ）和SLPP（ Soft Locality Preserving Projections ）方法之间的共性和区别,最后给出了识别算法流程。采用人脸图像数据集和高分辨SAR（ Synthetic Aperture Radar ）图像数据集对算法的有效性进行仿真验证,由于考虑了数据间的邻近性,本文方法较传统方法可获得更好的识别性能。