基于Gabor小的人脸识别技术.docVIP

基于Gabor小波的人脸识别技术 人脸识别/特征提取/小波变换/直方图 1? 引言Gabor小波在空间域和频率域均有较好的分辨能力,有明显的方向选择和频率选择特性。随着人们对Gabor小波技术的不断探索,使该方法在人脸识别领域取得良好的识别效果[1,2]。本文首先通过直方图均衡化等预处理过程使图像更加清晰,然后通过调整小波变换系数进行特征提取。本文主要的目的是减少系统运算量、提高人脸识别的准确率。 2? 人脸特征提取的基本原理在特定的场景中对人脸进行定位是特征提取的第一步。神经网络法、彩色分析法、Hough[3]变换法、模板匹配法、灰度分析法、几何模型法和主元分析法等方法是目前比较流行的人脸特征定位方法。由于色彩在人脸不同位置的差异,在定位人脸位置时(如嘴唇的红色分量相对较高等),应选用色彩分析的方法。该方法针对不同的色彩模式的图像进行分析处理,使图像更加的清晰,其它人脸识别方法均可用灰度图像分析的方法进行处理。实验中选取的人脸表情图像排除了眼镜、头发等遮挡物的影响,因此所选用的图像适合灰度图像分析的方法进行处理。通过图像灰度的垂直积分确定人脸图像的上下边界;通过图像灰度的水平积分确定人脸图像的水平边界。相应的,垂直积分投影的计算是根据图像每列的灰度和值,而水平积分投影的计算是根据水平方向的灰度和值。图像水平积分和垂直积分的公式为: 其中,H(x)表示图像在[y1,y2]