基于Gabor小波变换与K-L高斯黎曼流形判别的人脸识别

摘要：

针对图像集人脸识别中的子空间模型限制,结合Gabor小波变换与K-L高斯黎曼流形判别,提出一种新的图像集人脸识别方法.通过Gabor小波变换表征图像集中人脸图像的特征向量,利用混合高斯模型中带有先验概率的高斯分量表示每个图像数据集,采用可信的K-L概率核函数表示高斯分量间的不同距离,通过加权核判别分析最大化高斯分布间的间距,获取底层数据分布.实验结果表明,与基于线性仿射子空间、基于非线性流形和基于统计模型的方法相比,该方法在YTC和COX数据库上的识别率较高,在YTF数据库上的ROC曲线面积达到85.91,表现最优.测试和训练时间比较结果也表明该方法更适合应用于离线图像集人脸识别系统.

关键词：Gabor小波、高斯黎曼流形、人脸识别、K-L核函数、加权核

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：河南省科技厅科技攻关计划基金资助项目142102210226

在线出版日期：2016-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：208-213