基于Gabor滤波器的人脸特征提取算法研究

基于Gabor滤波器的人脸特征提取算法研究

论文摘要

人脸识别是一项富有理论基础和应用价值的研究课题。典型的人脸识别系统包括:人脸检测、特征提取(预处理和特征提取)、人脸识别三部分。在自动人脸识别中预处理和特征提取占有非常重要的地位。二维Gabor小波变换从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化。小波变换系数描述了图像上各给定位置附近区域的灰度特征,在人脸图像的二维Gabor小波变换系数的基础上进行的特征提取,称为经典的基于Gabor小波变换的人脸特征提取。本文深入研究了利用二维Gabor小波变换进行人脸特征提取的理论方法和技术,针对经典算法中运算量大、处理范围宽、识别的响应时间长等缺点,在图像预处理和特征提取两方面对经典的基于Gabor小波变换的人脸特征提取方法进行改进,提出了一种基于Gabor滤波器的人脸特征提取算法。在图像预处理方面,传统的椭圆肤色模型虽然能够实现人脸的肤色检测,但是其不能有效地检测出人脸重要器官的大概位置,本文通过对肤色模型亮度空间分段,并在每段亮度空间上分别定义色度空间椭圆模型,从而实现了人脸及其重要器官的检测。在特征提取方面,经典的Gabor纹理特征提取算法虽然对人脸图像的光照不均、位置变化和表情变化等具有较强的鲁棒性,但是该方法需要对整张人脸图像进行Gabor小波变换,运算过程复杂,耗时长,难以满足实时性要求。本文首先利用Gabor滤波器检测人眼边缘信息,然后通过广义Hough变换实现边缘断点的连接,最后对人眼边缘图像进行二维Gabor小波变换,提取人眼边缘纹理特征,代替经典特征提取算法中人脸的Gabor纹理特征,从而实现了特征空间的降维,减少了人脸图像的处理范围和运算的复杂度,将人脸的纹理特征从137维降到19维,有效地缩短了识别的响应时间。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第一章 绪论
  • 1.1 项目背景与研究意义
  • 1.2 人脸识别系统的总体结构
  • 1.3 特征提取难点
  • 1.4 本文的主要工作
  • 1.5 本文的结构安排
  • 第二章 人脸特征提取方法综述
  • 2.1 基于几何的特征矢量提取方法
  • 2.1.1 低层特征分析方法
  • 2.1.2 组群特征
  • 2.2 基于统计的特征矢量提取方法
  • 2.2.1 线性子空间方法
  • 2.2.2 隐马尔可夫模型(HMM)
  • 2.3 基于连接机制的特征矢量提取方法
  • 2.3.1 支持向量机方法
  • 2.3.2 神经网络方法
  • 2.3.3 弹性图匹配方法
  • 2.4 本章小结
  • 第三章 图像预处理模块的实现
  • 3.1 图像预处理在系统中的作用
  • 3.2 图像光照补偿
  • 3.3 基于肤色模型的人脸检测
  • 3.4 人脸图像的形态学变换
  • 3.4.1 图像腐蚀
  • 3.4.2 图像膨胀
  • 3.5 人脸模板匹配
  • 3.6 本章小结
  • 第四章 基于Gabor滤波器的人脸特征提取算法的实现
  • 4.1 二维Gabor小波变换及其响应特性
  • 4.1.1 二维Gabor小波变换
  • 4.1.2 二维Gabor滤波器组参数
  • 4.1.3 二维Gabor滤波器响应特性
  • 4.2 基于Gabor滤波器的人脸特征提取算法
  • 4.2.1 奇部Gabor滤波器进行人脸图像边缘检测
  • 4.2.2 广义Hough变换确定人眼完整边缘
  • 4.2.3 提取眼部轮廓Gabor特征
  • 4.2.4 利用PCA&LDA实现人眼Gabor特征降维
  • 4.3 基于Gabor变换的人脸特征提取算法设计与实现
  • 4.4 实验结果分析
  • 4.5 本章小结
  • 第五章 Gabor变换在人脸识别系统中的应用
  • 5.1 基于几何特征的人脸识别系统
  • 5.2 经典的基于Gabor变换的人脸识别系统
  • 5.3 基于Gabor滤波器的人脸识别系统
  • 5.4 实验结果与分析
  • 5.5 本章小结
  • 第六章 结束语
  • 6.1 本文结论
  • 6.2 未来研究方向
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].Gabor小波和局部二值模式结合的一种人脸识别算法[J]. 集美大学学报(自然科学版)(网络预览本) 2010(04)
    • [2].基于环形对称Gabor变换的接触网销钉检测研究[J]. 机械制造与自动化 2020(02)
    • [3].基于低秩矩阵恢复和Gabor特征的遮挡人脸识别[J]. 微电子学与计算机 2020(03)
    • [4].有限个Gabor框架的线性组合[J]. 河南大学学报(自然科学版) 2020(05)
    • [5].离散周期集上的弱Gabor双框架[J]. 中国科学:数学 2018(12)
    • [6].基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J]. 生物医学工程学杂志 2017(06)
    • [7].Palm vein recognition method based on fusion of local Gabor histograms[J]. The Journal of China Universities of Posts and Telecommunications 2017(06)
    • [8].Gabor框架的一些判定[J]. 科技经济导刊 2018(01)
    • [9].Direction navigability analysis of geomagnetic field based on Gabor filter[J]. Journal of Systems Engineering and Electronics 2018(02)
    • [10].基于自适应Gabor滤波的红外弱小目标检测[J]. 红外技术 2018(07)
    • [11].基于离散Gabor变换的磁暴识别[J]. 地震地磁观测与研究 2020(04)
    • [12].Gabor-CNN for object detection based on small samples[J]. Defence Technology 2020(06)
    • [13].基于Gabor变换的故障诊断技术[J]. 四川工程职业技术学院学报 2013(03)
    • [14].基于改进Gabor特征幻影的低分辨率人脸识别[J]. 无线电工程 2020(10)
    • [15].基于稀疏模型和Gabor小波字典的跟踪算法[J]. 南京大学学报(自然科学) 2019(01)
    • [16].采用聚合Gabor核和局部二元模式的烟雾识别方法[J]. 小型微型计算机系统 2019(04)
    • [17].一种融合Gabor+SIFT特征的人脸识别算法[J]. 电子科技 2019(04)
    • [18].基于改进的Gabor指纹纹理提取算法的研究[J]. 计算机技术与发展 2018(04)
    • [19].一种结合Gabor小波与深度学习的人脸识别方法[J]. 计算机与现代化 2018(11)
    • [20].Gabor展开与变换研究综述[J]. 安徽大学学报(自然科学版) 2017(02)
    • [21].基于Gabor小波人脸图像矫正的研究[J]. 数字技术与应用 2017(06)
    • [22].局部域上Gabor紧框架的特征[J]. 数学年刊A辑(中文版) 2015(01)
    • [23].基于Gabor定向模式的人脸识别方法[J]. 计算机工程与应用 2015(10)
    • [24].基于Gabor变换的轮边减速器特征提取技术[J]. 机电工程技术 2015(04)
    • [25].基于Gabor变换降噪和盲信号分离的轴承故障诊断方法[J]. 现代制造工程 2014(08)
    • [26].基于辅助双正交的实值离散多Gabor变换[J]. 计算机应用研究 2013(01)
    • [27].Density Results for Subspace Multiwindow Gabor Systems in the Rational Case[J]. Acta Mathematica Sinica 2013(05)
    • [28].Fast parallel algorithms for discrete Gabor expansion and transform based on multirate filtering[J]. Science China(Information Sciences) 2012(02)
    • [29].基于实值离散Gabor变换的心电信号处理[J]. 电脑知识与技术 2012(12)
    • [30].人脸识别应用中的Gabor核选择算法(英文)[J]. 中国科学技术大学学报 2012(07)

    标签:;  ;  ;  ;  ;  

    基于Gabor滤波器的人脸特征提取算法研究
    下载Doc文档

    猜你喜欢