基于Gabor變換的人臉識別算法研究.pdf

1、人臉識別技術(shù)憑借直觀、非接觸等特點，成為了生物特征識別領(lǐng)域的焦點，因此也積累了大量的成熟理論和算法。當(dāng)前，在非理想條件下的人臉識別仍然存在一些不足，因此對非理想的條件下的人臉識別還待進一步研究。Gabor變換由于和哺乳動物的視網(wǎng)膜神經(jīng)細胞接受場模型極度相似，因此被廣泛地應(yīng)用于特征提取。但傳統(tǒng)的Gabor變換存在一些不足，如含有直流分量，帶寬受限制，特征維數(shù)高，計算耗時等問題。Log-Gabor變換具有Gabor變換的一般性質(zhì)，同時具有不

2、含直流分量、帶寬不受限制，計算速度快等優(yōu)點。在光照變化、遮擋問題下的人臉識別基于稀疏表示分類的人臉識別算法(SRC)比傳統(tǒng)子空間的人臉識別算法具有更好的識別率?；趨f(xié)同表示分類的人臉識別算法(CRC)具有和SRC相當(dāng)?shù)淖R別率，同時計算速度更快。對于SRC和CRC算法大都采用諸如特征臉、隨機臉、Fisher臉等整體特征，這些整體特征對光照、表情、姿態(tài)和遮擋等影響的人臉識別不是非常有效。
　　本研究主要內(nèi)容包括：⑴提出了基于分塊Gab

3、or特征與協(xié)同表示的人臉識別算法(BG-CRC)。為了克服Gabor-CRC算法對光照變化、表情變化和遮擋下的人臉識別識別率不高的問題，首先對人臉圖像進行分塊提取Gabor特征，利用CRC_RLS算法對各個子塊進行識別，最后通過投票得到圖像的類別，實驗仿真證明，BG-CRC算法在光照變化、表情變化和遮擋情況下的人臉識別比Gabor-CRC具有較高的魯棒性。⑵提出了以子塊識別率為子塊權(quán)值的計算方法。為了充分利用分塊后的局部特征，對各子塊的

4、貢獻率進行研究，通過實驗證明，以子塊識別率為子塊權(quán)值進行加權(quán)投票是一種有效的投票方式。⑶將Log-Gabor特征與CRC算法結(jié)合，提出了Log-Gabor+CRC算法，并對人臉圖像先分塊再特征提取和先進行特征提取再分塊，哪種方式更有效進行了研究，提出了先進行特征提取再進行分塊的Log-Gabor分塊+CRC算法和Log-Gabor分塊+WCRC算法、以及先分塊再進行特征提取的分塊Log-Gabor+CRC算法，實驗仿真證明，采用先特征提