当前位置: 首页 > >

基于Gabor小波和监督等距映射的人脸识别

发布时间:

计算机科学2008VoL 35No.4 基于Gabor小波和监督等距映射的人脸识别*) 冯海亮李见为黄鸿 (重庆大学光电技术及系统教育部重点实验室 重庆400030) 摘要提出了一种基于Gabor小波变换和监督等距映射(supervised isometric feature mapping,S-ISOMAP)的人脸 识别方法。针对流形学*算法不能消除图像特征向量中高阶相关信息的缺点,引入Gabor对归一化的人脸图像进行 多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征(Gabormagnitude feature,GMF),然 后使用具有提取鉴另q子流形的SIs()MAP算法对GMF特征进行维数约简,最后使用最*邻分类器进行分类。该方 法综合运用了Gabor特征对人脸图像的优异的表征能力、孓ISOMAP的非线性维数约简能力,使得该方法对光照和表 情变化等具有良好的鲁棒性。在YaleB和PIE人脸库上的实验表明了该方法的有效性。 关键词人脸识别,Gabor小波,特征提取,流形学*,S-ISOMAP Face Recognition Based FENG Hai-Liang On Gabor Wavelet and S-ISOMAP 。 LI Jian-Wei HUANG Hong (Key Lab.on Opto-Electronic Technique 0f State Education Ministry,Chongqing University,Chongqing 400030) Abaraet In this paper,a method is proposed tO recognize the face vectors using Gabor feature as a and supervised isometric feature as mapping(S-ISOMAP).Since the original feature cannot may include redundancy such high-order correlation which extract be removed by manifold learning algorithms,Gabor wavelet is introduced Gabor magnitude method tO their corre- sponding tion Gabor nearest filters.Then,S-Is()脚operates on伽s manifold Face features(G】Ⅷ艮)by convolving tO the normalized face image谢th multi-scale andmuhi-orienta— submanifoIda.Furthermore,the extract the discriminative distance classifier is USed for classification.The proposed method is robust toillumination。expression by tom- learning.Experiments with YaleB and PIE databases show that the bing the Gabor transform and supervised approach is quite effective. Keywords rccogniton,Gabor wavelet,Feature extraction,Manifold learning,S-ISOMAP 1引言 人脸自动识别是一种用计算机分析人脸图像,从中提取 特征信息并进行自动鉴别的技术。由于其在安全系统及人机 交互等方面的广泛应用前景,现已成为计算机视觉和模式识 别领域的重点研究的课题。人脸识别算法大致可以分为三 类:基于表征的方法(Appearance-based methods)、基于特征 匹配的方法(Feature-hased recognition u)A)等,其基本思想是将原特征空间通过某种形式的非线 性映射变换为一个高维空间,并借助核技巧(kernel trick)在 新的特征空间中应用鉴别分析方法。*年来,Roweis和Te- nenbaum等提出人脸图像很可能位于一个低维的非线性子流 形上,可以实现将高维输入数据点映射到一个全局低维坐标 系,既能够降低数据维数,减少运算,同时又很好地保留了各 类人脸样本的*私峁埂T诹餍窝*方法中,其中具有代表 性的算法有等距映射(isometric feature mapping,ISOMAP)、 methods)和混合算法 (Hybrid methods)。其中基于表征的方法将整个人脸区域作 局部线性嵌入(10cal linear embeding,U尼)和拉普拉斯本征 为识别系统的输入,不依赖于人脸的先验知识和参考模型,一 直以来都是人脸识别的研究热点。 特征提取是基于表征方法中的需要解决的一个重要环 节,其主要目标是在于获得最优、最显著特征的同时丢弃无关 或次要的信息,降低数据的维数以减低分类系统的复杂性。 特征提取可以分为线性和非线性两类,其中使用较多的线性 方法主要有主成份分析(PCA)、Fisher判别分析(FDA)、独立 分量分析(ICA)、多维尺度分析(MDS)等。但是,这些都是线 性的方法,所以对非线性结构的数据就无能为力,因而对有光 照、表情和姿态变化的人脸图像不能得到满意的识别效果。 之后,随着核方法(kernel method)的成功应用,将其引入人脸 识别,出现了如核PCA(kernel PCA,KPCA)、KLDA(kernel 映射(1



友情链接: