基于支持向量机的人脸识别方法

提出一种基于二值边缘图像和支持向量机的人脸识别方法,以具有较强光照鲁棒性的二值边缘图像作为人脸表征,用支持向量机来分类。其中二值边缘图像是用一种基于Sobel算子的局部自适应阈值选取边缘检测算法。仿真实验结果表明对于有165幅人脸的Yale人脸库识别率可达92.73%,而对于有798幅人脸图像的AR人脸库识别率可达95.62%,而且该方法对有光照变化的人脸图像有较好的鲁棒性。

基于二值化的边缘图像滤波方法

图像经过边缘提取之后常会带有各种噪声,提取的边缘还不能满足我们的需要。讨论了对边缘图像的滤波方法,先对图像进行二值化,再进行区域标记,处理后的图像再与边缘图像进行与运算。实验结果表明,该方法对提高边缘图像的质量是非常有效的,并且具有非常高的实用性。

人脸特征潜在分布规律的人脸注释算法

提出了一种简单有效的人脸注释改进算法。该算法将二值边缘图像的梯度映射和人的面部特征的潜在分布规律相结合。首先应用二值边缘图像的按水平方向以及按垂直方向的梯度的映射,快速确定人脸位置以及人眼的粗略位置;然后对人眼的位置使用逐步逼近法进行进一步的精确定位,再利用图像垂直方向的梯度映射确定嘴的位置;结合人眼和嘴的位置,以及人脸面部特征的潜在分布规律,确定鼻子的位置。