基于Gabor小波变换的增强2DPCA方法

传统的PCA方法在图像识别中都是基于图像向量的,在人脸识别前二维的人脸图像矩阵首先要转化成一维的图像向量,这样就造成图像向量维数通常较高,使特征提取中耗费大量计算时间,降低了识别效率。在传统PCA基础上,Yang等人在2004年提出了二维主成分分析(2DPCA),这种方法直接基十二维图像矩阵运算,特征提取速度大大加快,计算方法也较简单。

基于MMP-2DPCA的人脸识别方法

提出了一种基于二维小波分解和融合多特征的2DPCA(简称MMP-2DPCA)人脸识别方法.该方法对于人脸表情变化不敏感,能够很好地压缩和表征原始人脸图像;融合图像既能反映人脸的全局特征,又能反映人脸的局部特征,具有更强的表达能力和判别能力.在ORL人脸库上的实验表明:MMP-2DPCA方法具有有效性.

人脸识别中光照补偿参数及必要性的判定方法

针对实际人脸识别应用中大量人脸无须作光照补偿的情况,分别用2DPCA和Fisher两种人脸识别方法对FRVT标准人脸库进行识别,得出准确的影响人脸识别的光照方向参数,并提出了一种简单快速的判断是否需补偿的方法。实验证明,经过光照补偿判定后进行的人脸识别实验,需补偿人脸数目大量减少,运算量大大降低,人脸识别速度可以提高近四倍。