基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别。实验表明,在FERET、Yale库和自建人脸库中的识别率得到了明显提高。

基于环形对称Gabor变换和AdaBoost算法的人脸识别

环形对称Gabor变换不但继承了传统Gabor小波的一般特性,而且冗余性小,具有严格旋转不变性。首先将图像映射到环形对称Gabor变换(CSGT)域,然后用AdaBoost算法挑选出最能表征人脸且有较好分类效果的CSGT特征,同时减少特征向量的维数,最后使用加权PCA算法对特征进行分类。在ORL人脸库上进行实验,结果表明,与传统人脸识别算法相比,该算法对光照、姿态等影响因素具有更好的鲁棒性。

基于环形对称Gabor变换和2DPCA的人脸识别算法

与传统Gabor小波变换相比,环形对称Gabor变换(CSGT)具有信息冗余度低和严格的旋转不变性的优点。提出了一种基于环形对称Gabor变换与2DPCA的人脸识别新算法,首先将所有人脸图像都变换到环形对称Gabor变换域,然后按照两种融合方案将不同尺度的特征融合到一起,最后采用2DPCA方法进行特征提取和分类。在ORL人脸数据库上进行仿真实验并与传统的2DPCA、GT+2DPCA等方法做了对比,实验结果表明提出的算法不但取得了更好的识别效果,而且提高了识别速度。

独立环形对称Gabor特征及在人脸识别中的应用

提出了一种基于2D环形对称Gabor变换(2DCSGT)和独立成分分析(ICA)的特征提取方法,并用于人脸识别中。对人脸图像做5尺度2D环形对称Gabor变换;对变换后的图像下采样并采用主成分分析(PCA)进行降维;采用ICA获得人脸图像的独立环形对称Gabor特征(ICSGF);采用最近邻分类法分类。在ORL、YALE和FERET人脸数据库上,基于ICSGF的人脸识别算法的正确识别率分别达到99.5%、93.33%和97.14%。实验结果表明,ICSGF方法有效可行。

基于环形对称Gabor多通道纹理加权的人脸识别

为了充分利用环形对称Gabor变换(CSGT)冗余度小,旋转不变性等优点,提高人脸识别技术在实际应用中的有效性和可行性,提出了一种基于CSGT的人脸特征提取改进算法——CSGT多通道纹理加权算法。该算法首先将人脸图像进行CSGT多尺度分析,然后分块提取纹理统计特征,并将多通道特征自适应加权融合,最后使用PCA加权进行降维得到最具鉴别能力的人脸特征。在ORL、Yale和FERET人脸库上进行实验,与传统算法以及CSGT进行对比,实验结果表明:此算法识别率高,数据量小可行性高,对光照、姿态、表情等干扰具有很好的鲁棒性,且灵活适应于不同的人脸库。

基于环形对称Gabor变换和PCA加权的人脸识别算法

环形对称Gabor变换不但具有Gabor小波的一般特性,而且具有信息冗余度小、严格的旋转不变性等优点.文中提出一种基于环形对称Gabor变换和PCA加权特征的人脸识别算法.首先将人脸图像变换到环形对称Ga-bor变换域,然后在变换域采用PCA加权方法提取分类特征.在3个人脸库上进行实验,与传统人脸识别算法的对比实验说明该算法的可行性和对光照、姿态变化具有更好的鲁棒性.