基于Gabor小波和有监督2DNPE的人脸识别方法

针对人脸图像识别易受光照、表情等外部因素影响这一问题,提出一种基于Gabor小波和有监督二维近邻保持嵌入算法(S2DNPE)的人脸识别方法.传统的2DNPE算法是一种无监督的流形学习算法,没有考虑类成员之间的关系,为了提高算法的鉴别能力,在其基础上引入类别信息使其变为有监督的2DNPE算法.首先利用Gabor小波对人脸图像进行特征提取,得到对光照、表情等因素都具有一定鲁棒性的图像特征,然后应用S2DNPE算法对其进行降维、提取映射到低维子空间的特征向量,最后采用最近邻分类器分类识别.在Yale、FERET和AR人脸库上进行实验,结果表明,与2DPCA,2DLPP,2DNPE,B2DLPP及G2DPCA算法相比,该方法具有较好的识别率.