基于Gabor小波變換的人臉特征提取方法研究.pdf

1、人臉識別技術(shù)是生物特征識別領域的一項關鍵技術(shù)，它廣泛應用于身份識別，信息安全，人機交互等領域。人臉特征提取是人臉識別技術(shù)的關鍵環(huán)節(jié)，它直接影響著最終的識別效果。Gabor小波可以模擬哺乳動物視覺體系中視覺神經(jīng)元的感知特性，描述圖像在不同尺度和方向上的局部信息，從而可以有效用于人臉特征提取算法中。因此，本文主要研究基于Gabor小波變換的人臉特征提取方法。
　　Gabor小波能夠捕獲人臉圖像多方面多角度的細節(jié)信息。一方面，人臉圖像經(jīng)

2、Gabor小波變換之后，會在5個尺度8個方向上共產(chǎn)生40個子帶輸出。如果訓練樣本比較多，那么運算量和存儲量將是非常龐大的。另一方面，圖像經(jīng)Gabor變換輸出的龐大數(shù)據(jù)中自然也包括一些影響識別率的負面信息。因此，如何對二維Gabor小波變換后高維特征矩陣進行降維將是本文的研究核心。
　　本文首先介紹了人臉識別的研究背景、意義、國內(nèi)外研究現(xiàn)狀、人臉數(shù)據(jù)庫和主要的研究內(nèi)容。然后，研究了基于HG2DPCA的人臉特征提取方法。針對HPCA人

3、臉識別算法識別性能不理想進行改進，給出了改進的HGPCA方法進行特征提取和降維。為了進一步降低PCA處理時將圖像按列拉伸產(chǎn)生高計算量的問題，給出了改進的HG2DPCA方法進行人臉特征提取。實驗數(shù)據(jù)驗證改進算法的有效性，說明Gabor小波的引入能夠很好的提高算法的識別性能。改進算法雖然識別率比較高，但是其存在一定的時間開銷。盡管HG2DPCA算法選擇下采樣技術(shù)和2DPCA算法進行特征數(shù)據(jù)降維，但是計算量還是比較大，需要進一步研究。最后，討