基于Ｇａｂｏｒ变换的每类单个训练样本人脸识别研究.docVIP

基于Ｇａｂｏｒ变换的每类单个训练样本人脸识别研究 　　摘 要：基于高维仿生信息学理论思想，提出了一种运用图论中最小生成树算法构筑训练样本点覆盖的新算法。通过Gabor滤波变换，每个训练图像得到40个Gabor特征图，对这些特征图使用超香肠神经网络模型（HSN模型）进行识别，最后以投票策略对Gabor特征图判别结果作决策融合，以最多数为判别结果。对几个典型的人脸图像库在每类单个训练样本这种极端情形下，研究了光照变化的人脸识别问题，实验结果显示了其合理性。 　　关键词：Gabor小波; Gabor滤波; 决策融合; 高维仿生信息学; 光照; 最小生成树 　　中图分类号：TP319.4文献标志码：A 　　文章编号：1001-3695(2009)06-2379-04 　　doi:10.3969/j.issn.1001-3695.2009.06.115 　　 　　Face recognition from single sample per class based on Gabor filtering 　　ZHUANG De-wena,b, ZHOU De-longa, WANG Xian-baoa 　　(a.College of Information Engineering, b.College of Science, Zhejiang University of Technology, Hangzhou 310032, China) 　　Abstract: 　　Based on high dimensional biomimetic information theory, this paper proposed a novel training samples covering algorithms using minimum spanning trees. By Gabor filtering, gained 40 Gabor sub-images, and then recognized these sub-images by HSN model. Made decision fusion by voting strategy for these 40 sub-images recognition result. Experiments performed on the YaleB_Extend and AR databases show the provided method can achieve a better performance than the PCA_NN when only using a single sample per class training with illumination variant faces recognition. 　　Key words：Gabor wavelet; Gabor filtering; decision fusion; high dimensional biomimetic information theory; illumination; minimum spanning trees 　　 　　0 引言 　　 　　?ト肆呈侗鹧芯渴峭枷穹治龊屠斫庵凶畛晒Φ挠τ弥?一，它不但具有重要的理论意义，也具有广泛的应用价值，如在安全监控、存取控制、人机智能交互等方面都有潜在的应用，并已开发出许多商业应用系统[1]。 　　?パ芯空咭烟岢隽诵矶喑晒Φ娜肆呈侗鸱椒ǎ?粗略地可分为局部特征和整体特征方法。前者可通过基于模板匹配提取局部特征，如双眼、鼻子、嘴巴，然后由SVM[2]或其他分类器加以判别，或者通过Gabor小波得到的图匹配方法[3]以及利用滑动窗得到的DCT，运用HMM进行判别[4]；后者有著名的基于K-L变换的特征脸方法[5]、基于线性判别的Fisher脸[6，7]方法以及核变换形式[8,9]。众所周知，对于限定条件下的正面人脸识别可得到很高的准确率，但在更一般的条件下，即有光照、表情、姿势及年龄变化情形下，识别率显著下降，如何提高无约束条件下的人脸识别准确率仍是一个很具有挑战性的研究问题[10]。 　　?ビ氪?统的模式识别不同，基于高维仿生信息学理论的仿生模式识别方法[11]，借鉴人的认知理论，通过对同类样本点的认识，而非不同类别的划分来加以识别。在特征空间中选择合理的复杂几何体对每类样本点进行最优覆盖来实现对该类样本的认识，并在人脸识别等领域得到许多新颖结果[12]。但当人脸识别训练样本集中每类样本数很少，甚至在极端情形下每类只有一个样本，普通的仿生模式识别并不能直接应用。本文研究了光照变化下，每类只有一个训练样本情形下的人脸识