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。

基于环形对称Gabor变换和分块PCA的人脸识别

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。

基于环形对称Gabor变换的接触网销钉检测研究

针对接触网旋转双耳销钉,提出一种基于环形对称Gabor变换特征的销钉松脱与缺失状态检测方法。融合旋转不变LBP特征与HOG特征的方法训练SVM分类器,实现旋转双耳定位识别;采用圆弧检测完成销钉准确定位,实现销钉区域的分割;利用环形对称Gabor变换完成纹理边缘信息的特征提取,结合BP神经网络实现对旋转双耳销钉状态的判断识别。研究和实验结果表明,该方法实现了在销钉穿插方向任意和形状多样等复杂情况下的状态识别。

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Gabor小波与CS-LBP算法在人脸识别中的应用

多尺度多方向的Gabor变换能提取人脸在空域和频域的局部信息,表达并刻画出人脸的大量特征,但在特征描述上会产生大量冗余,环形对称Gabor变换同样具有小波的共性并且能降低冗余量,在方向上具有严格的不变性。中心对称局部二值模式(CS-LBP)能提取出人脸中细节的纹理特征,把上述两种算法相结合,利用设定Gabor能量来获取最适合的滤波窗口,并对人脸特征进行提取和识别,最后用实验结果验证了环形Gabor和CS-LBP算法在人脸识别中具有很好的应用。

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。

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.