基于Gabor小波與稀疏表示的人臉識別方法研究.pdf

1、人臉識別具有廣泛的應用價值與研究意義，成為當今計算機視覺及生物識別領域的研究熱點之一。人臉識別包括特征提取與分類。目前最常用的特征提取方法有子空間分析法，彈性圖匹配法，最流行的分類法有最近鄰、SVM、稀疏表示分類法。本文在2DGabor小波理論與稀疏保留投影算法的基礎上對人臉識別進行了研究，本文的研究工作如下：
　?。?）研究了稀疏保留投影算法SPP，該算法通過保持樣本間的全局稀疏重構關系對高維空間中的樣本數(shù)據(jù)進行降維，在Yale

2、、AR和Extended Yale B人臉庫上取得了較好的實驗結果，但是此算法不能很好地保持樣本的局部鄰域信息，沒有充分利用樣本的類信息。針對此不足，本文在稀疏保留投影算法的基礎上對降維算法進行了改進，提出了局部流形保持的稀疏保留投影算法 LSPP，在稀疏保留投影算法中引入了LPP算法的思想，通過保持同類樣本數(shù)據(jù)的近鄰關系對原始高維樣本數(shù)據(jù)進行降維，在ORL人臉數(shù)據(jù)庫上的實驗證明了該算法的有效性。
　?。?）提出了2DGabor小

3、波與改進的稀疏保留投影算法相結合的GLSPP特征提取算法。當同類人臉圖像所受光照、姿態(tài)、表情差異較大時，稀疏表示類算法對人臉圖像進行特征提取時不能消除這些因素的影響，2DGabor小波能夠克服這些因素的影響，能夠提取人臉圖像的不變信息。GLSPP首先用2DGabor小波對人臉圖像進行特征提取，然后用改進的稀疏保留投影算法進行降維，最后用最近鄰分類器分類。實驗證明，該算法提高了人臉識別率。
　?。?）研究了在不同的訓練樣本數(shù)下，本文