联合Gabor降维特征与奇异值特征的人脸识别

摘要

针对传统的Gabor特征表征图像的全局特征能力较差的问题,提出一种采用Gabor多方向降维特征与图像的奇异值特征相联合的人脸特征表征方法.该方法在对Gabor滤波器直流分量补偿的基础上优化滤波器尺度伸缩随中心频率而变化的性能,以提取人脸图像的多尺度、多方向特征;对同一尺度不同方向的Gabor特征相加以降低特征维数.同时分别提取整幅图像的奇异值分解(SVD)全局特征以及分块SVD特征,将Gabor局部特征分别与上述SVD特征联合起来表征人脸图像.为提高计算效率,应用人脸采样图像进行了实验.实验结果表明,所提方法更好地保留了图像的局部细节、降低了特征数据的冗余,在识别率和计算率上都较传统Gabor滤波器更具优势,在ORL人脸库上的识别率高达98.21％.