基于Gabor小波變換的單樣本人臉識(shí)別算法研究.pdf

1、隨著智能信息技術(shù)的快速發(fā)展，人工智能正在逐漸改變?nèi)藗兊纳罘绞?。人臉識(shí)別作為人工智能領(lǐng)域的一個(gè)重要分支，近年來(lái)受到廣泛的關(guān)注和研究。在一些實(shí)際應(yīng)用場(chǎng)景中，每個(gè)人只能獲得一張人臉圖像作為訓(xùn)練樣本，但大多數(shù)人臉識(shí)別方法在單樣本條件下識(shí)別率低，甚至有些根本不再適用。本文研究單樣本條件下的人臉識(shí)別，從Gabor小波變換入手，針對(duì)光照、表情和遮擋等可變因素尋求有效的解決方案。本文主要的工作如下：
　　1．首先介紹了一維、二維Gabor小波變

2、換，分析了二維Gabor小波函數(shù)中的參數(shù)對(duì)Gabor核函數(shù)的影響，并給出了提取人臉圖像的Gabor小波特征的具體過程。
　　2．針對(duì)人臉圖像中的可變光照問題，利用無(wú)直流分量的DCT系數(shù)作為特征，以消除線性光照的影響，再將提取的DCT特征與最近鄰分類器相結(jié)合進(jìn)行分類。同時(shí)將Gabor小波特征與最近鄰分類器相結(jié)合，利用Gabor小波的局部描述特性，增強(qiáng)識(shí)別方法對(duì)非線性光照變化的適應(yīng)能力。實(shí)驗(yàn)證明，兩種方法都對(duì)一定程度上的光照變化有很好

3、的魯棒性。
　　3．根據(jù)通用學(xué)習(xí)方法的核心思想，將人臉圖像的Gabor小波特征用于自適應(yīng)回歸分類(ALRC)，利用主成分分析(PCA)對(duì)Gabor特征進(jìn)行降維。并提出一種改進(jìn)的增強(qiáng)類模型(ECM)方法，利用與測(cè)試人臉圖像有最相似變化的輔助樣本子集提取通用人臉變化特征，再與單幅訓(xùn)練人臉圖像一起構(gòu)成類模型，最后使用線性回歸分類(LRC)方法進(jìn)行分類識(shí)別。實(shí)驗(yàn)表明，所提方法對(duì)人臉圖像中的光照、表情和遮蔽變化有很好的魯棒性，并且構(gòu)建增強(qiáng)類

4、模型所需要的輔助樣本圖像數(shù)量比ALRC方法中的更少。
　　4．根據(jù)核方法的基本思想，對(duì)非線性回歸分類方法進(jìn)行改進(jìn)，提出一種基于Gabor小波特征的自適應(yīng)非線性回歸分類方法(GANRC)，首先提取測(cè)試人臉圖像的Gabor小波特征，接著構(gòu)建自適應(yīng)類模型，再利用核函數(shù)將測(cè)試人臉圖像的Gabor特征和自適應(yīng)類模型映射到高維空間，最后根據(jù)最小距離準(zhǔn)則判斷測(cè)試人臉圖像所屬的類。實(shí)驗(yàn)證明，該方法對(duì)人臉圖像中的表情、光照和遮蔽變化有很好的魯棒性，