基于2D-Gabor与KLDA的特征提取.pdfVIP

第37卷 第 15期 计 算 机 工 程 2011年8月 、bl_37 NO．15 ComputerEngineering August2011 · 人工智能及识别技术 · 文章编号：10o_3428(2o11)15—137—-03 文献标识码：A 中图分类号zTP3914· 基于2D．Gabor与KLDA的特征提取 张建明，杜 丹，刘俊宁 (江苏大学计算机科学与通信工程学院，江苏 镇江 212013) 摘 要：提出一种2D．Gabor小波与核线性鉴别分析(KLDA)相结合的特征提取方法。该方法对经过预处理的人脸图像进行多方向、多尺度 的2D．Gabor滤波 ，将滤波后的图像看作独立样本加入原样本库中，对新样本利用KLDA方法进行二次特征提取，得到较理想的类内聚度 和类问散度样本特征，再采用三阶近邻分类器进行特征分类处理。实验结果表明，该方法相比传统方法识别率更高，易于工程实现。 关健词：人脸识别；2D—Gabor小波；核线性鉴别分析；类内聚度；类问散度 FeatureExtractionBased0n2D．Gabor andKernelLinearDiscriminantAnalysis ZHANGJian-ming，DUDan，LIUJun-ning (CollegeofComputerScienceandCommunicationEngineering，JiangsuUniversity，Zhenjiang212013，China) [AbstractIThispaperproposesafeatureextractionmethodcombining2D—GaborwaveletandKernelLinearDiscriminantAnalysis(KLDA)．The pretreatedfaceimagesarefilteredwiht multi—scalena dmulti—orientation，na dthefilteredimagesareaddedintohteoriginalfacedatabaseassepraate samplesto increase htenumberofsma ples．Th e classical KLDA methodisapplied to extractfeaturesoncemore toobtain hteidealsma ple characteristicsofclasscohesionandbetween—classscatter．Third—ordernearestneighborclassifierisusedtoclassifyhtefeatures．Experimental resultsindicatehtathtemethodCna getabetterperformnacenadrecognitionrate，naditiseasytoimplementinprojects． [Keywordslfacerecognition；2D-G·aborwavelet；KernelLinearDiscriminnatAnalysis(KLDA)；classcohesion；between—c·lassscatter D0I：10．3969／j．issn．1000—3428．2011．15．043 1 概述 的设置，捕捉图像不同空域、位置及方向的局部特征信息， 近十年来，已有很多人脸识别算法在安全监控、存取控 对亮度和姿态变化不敏感。2D—Gabor小波的核函数定义 为： 制、人机智能交互等方面得到了应用，并具有较高的识别率。 但是这些算法都没有考虑性别的不同对识别率造成的影响， ㈨ ： 。 c )fexp(ik,~,)-exp-(0-2](1)