下载文档原格式
基于自动分割的局部Gabor小波人脸表情识别算法刘姗姗;王玲【期刊名称】《计算机应用》【年(卷),期】2009(029)011【摘要】针对包含表情信息的静态灰度图像,提出基于自动分割的局部Gabor小波人脸表情识别算法.首先使用数学形态学与积分投影相结合定位眉毛眼睛区域,采用模板内计算均值定位嘴巴区域,自动分割出表情子区域.接着,对分割出的表情子区域进行Gabor小波变换提取表情特征,再利用Fisher线性判别分析进行选择,有效地去除了表情特征的冗余性和相关性.最后利用支持向量机实现对人脸表情的分类.用该算法在日本女性表情数据库上进行测试,实现了自动化且易于实现,结果证明了该方法的有效性.%A local Gabor wavelet facial expression recognition algorithm based on automatic segmentation to the still image containing facial expression information was introduced. Firstly, mathematical morphology combined with projection was used to locate the brow and eye region, and the mouth region was located by calculating template average, which can segment the expression sub-regions automatically. Secondly, features of the expression sub-regions were extracted by Gabor wavelet transformation and then effective Gabor expression features were selected by Fisher Linear Discriminant ( FLD) analysis, removing the redundancy and relevance of expression features. Finally the features were sent to Support Vector Machine (SVM) to classify different expressions. The algorithm was tested on Japanese female facial expression database. Itis easy to realize automation. The feasibility of this method has been verified by experiments.【总页数】4页(P3040-3043)【作者】刘姗姗;王玲【作者单位】四川师范大学,计算机科学学院,成都,610101;四川省可视化计算与虚拟现实重点实验室,成都,610101;四川师范大学,计算机科学学院,成都,610101;四川省可视化计算与虚拟现实重点实验室,成都,610101【正文语种】中文【中图分类】TP391.41【相关文献】1.基于Gabor小波和SVM的人脸表情识别算法 [J], 陈亚雄2.基于多尺度2D Gab or小波的视网膜血管自动分割 [J], 王晓红;赵于前;廖苗;邹北骥3.Gabor小波和局部二值模式结合的一种人脸识别算法 [J], 陈培芝;陈水利;陈国龙4.基于关键块空间分布与Gabor滤波的人脸表情识别算法 [J], 宋伟;赵清杰;宋红;樊茜5.基于ASM和Gabor小波的人脸表情识别算法 [J], 张素君;蒋斌;王婷因版权原因，仅展示原文概要，查看原文内容请购买。
基于Gabor小波与深度信念网络的人脸识别方法柴瑞敏;曹振基【摘要】特征提取与模式分类是人脸识别的两个关键问题.针对人脸识别中的高维和小样本问题,从人脸特征的提取与降维算法入手,提出基于受限玻尔兹曼机(RBM)的二次特征提取及降维算法模型.首先把图像均匀分成若干局部图像块并进行量化,再对图像进行Gabor小波变换,通过RBM对得到的Gabor人脸特征进行编码,学习数据更本质的特征,从而达到对高维人脸特征降维的目的;并以此为基础提出基于深度信念网络(DBN)的多通道人脸识别算法.在ORL、UMIST和FERET人脸库上对不同样本规模和不同分辨率的图像进行实验,识别结果表明,与采用线性降维和浅层网络的方法相比,所提方法取得了较好的学习效率和很好的识别效果.【期刊名称】《计算机应用》【年(卷),期】2014(034)009【总页数】5页(P2590-2594)【关键词】特征提取;深度学习;Gabor小波;深度信念网络;降维;受限玻尔兹曼机【作者】柴瑞敏;曹振基【作者单位】辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105;辽宁工程技术大学研究生学院,辽宁葫芦岛125105【正文语种】中文【中图分类】TP391.410 引言人脸识别作为一种重要的生物信息鉴别方法，在信息安全领域有着很重要的实际用处，是模式识别和计算机视觉领域的研究热点。
由于Gabor 特征对于姿态、光照、表情具有一定的鲁棒性，其良好的空间局部性和方向选择性可以很好地描述图像的纹理特征［1］。
Gabor 小波是Gabor 变换和小波理论的结合，继承了小波变换的多分辨率特性和Gabor 变换的空间局部性与方向性。
文献［2］证明Gabor 特征在人脸识别上的应用非常有效，但人脸Gabor 特征维数太高，从而出现了维数灾难问题，针对此问题人们提出了大量的降维方法。
主成分分析(Principal Component Analysis， PCA)、独立成分分析(Independent Component Analysis，ICA)和线性判别分析(Linear Discriminant Analysis，LDA)是三种经典的线性降维方法［3］。
基于Gabor特征和支持向量引导字典学习的人脸识别张建明;周威;吴宏林【期刊名称】《计算机工程与应用》【年(卷),期】2016(052)013【摘要】稀疏编码中的字典学习在稀疏表示的图像识别中扮演着重要的作用.由于Gabor特征对表情、光照和姿态等变化具有一定的鲁棒性,提出一种基于Gabor特征和支持向量引导字典学习(GSVGDL)的稀疏表示人脸识别算法.先提取图像的Gabor特征,然后用增广Gabor特征矩阵来构造初始字典.字典学习模型中综合了重构误差项、判别项和正则化项,判别项公式化定义为所有编码向量对平方距离的加权总和;通过字典学习同时得到字典原子与类别标签相对应的结构化字典和线性分类器.该字典学习方法能够自适应地为不同的编码向量对分配不同的权值,提高了字典的判别性能.实验结果表明该方法具有很好的识别精度和较高的识别效率.%Dictionary learning in sparse coding plays an important role on image recognition based on sparse representa-tion. Considering that Gabor feature is robust to variations of expression, illumination and pose. Therefore, a face recogni-tion algorithm via sparse representation is proposed based on Gabor feature and Support Vector Guided Dictionary Learn-ing(GSVGDL). At first the image Gabor features are extractes and used as the augmented Gabor feature matrix to con-struct the initial dictionary. The dictionary learning model combines the reconstruction error with the discrimination term and the regularization term, and formulates the discrimination term as the weighted summation of thesquared distances between all pairs of coding vectors. Then a structural dictionary and linear classifier is learned simultaneously by the dic-tionary learning, which the learned dictionary atoms are corresponded to the class labels. GSVGDL can adaptively assign different weights to different pairs of coding vectors and enhance the discrimination of the dictionary. Experiment results show that the proposed method has good recognition accuracy and higher recognition efficiency.【总页数】6页(P177-182)【作者】张建明;周威;吴宏林【作者单位】长沙理工大学计算机与通信工程学院,长沙 410114;长沙理工大学计算机与通信工程学院,长沙 410114;长沙理工大学计算机与通信工程学院,长沙410114【正文语种】中文【中图分类】TP391【相关文献】1.基于Gabor小波变换与支持向量机的人脸识别 [J], 戚大方;吴成东2.基于Gabor特征和EHMM的人脸识别方法 [J], 杨勇;田侃3.基于Gabor特征和字典学习的高斯混合稀疏表示图像识别 [J], 詹曙;王俊;杨福猛;方琪4.基于对称Gabor特征和稀疏表示的人脸识别 [J], 何玲丽;李文波5.基于Gabor和支持向量机的遮挡人脸识别 [J], 曹未丰;路红因版权原因，仅展示原文概要，查看原文内容请购买。
基于Gabor小波和局部线性嵌入的人脸识别
聂祥飞;李春光;郭军
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)018
【摘要】提出了一种新的人脸识别算法.该算法采用Gabor小波和一种新颖的方式来提取人脸特征,利用局部线性嵌入(Locally Linear Embedding,LLE)算法来实现数据的非线性降维处理,最后训练基于欧式距离的最近邻分类器进行分类判决.在ORL 人脸库中与PCA方法、Gabor小波+PCA方法和直接的LLE算法进行了实验比较,实验结果表明,提出的Gabor小波+LLE的方法具有更优的性能.
【总页数】3页(P62-64)
【作者】聂祥飞;李春光;郭军
【作者单位】重庆三峡学院,重庆,400000;北京邮电大学,信息工程学院,北
京,100876;北京邮电大学,信息工程学院,北京,100876;北京邮电大学,信息工程学院,北京,100876
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于Gabor小波变换和神经网络的人脸识别研究 [J], 许亚军;李玮欣
2.基于复小波和Gabor小波的人脸识别 [J], 柴智;刘正光
3.基于局部线性嵌入和Haar小波的人脸识别方法 [J], 李伟生;张勤
4.基于Gabor小波和LBPH的实时人脸识别系统 [J], 张伟;程刚;何刚;阎石
5.基于门禁系统的人脸识别算法——Gabor小波变换 [J], 张宣妮;马秀霞;鲁方莹;刘章;高歌;张耀武;陈鹏博
因版权原因，仅展示原文概要，查看原文内容请购买。
基于2DGabor小波与2DPCA的人脸识别方法
李艳芳;费洪晓
【期刊名称】《湖南科技学院学报》
【年(卷),期】2008(029)008
【摘要】2DGabor小波变换能够将相邻区域的像素联系起来,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,2DGabor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.2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果.提出了2DGabor小波变换和2DPCA相结合的人脸识别方法,实验证明,2DGabor小波变换+2DPCA的算法在识别效果上优于Gabor小波变换+DPCA的算法.
【总页数】3页(P72-74)
【作者】李艳芳;费洪晓
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410075;湖南科技学院,电子工程与物理系,湖南,永州,425100;中南大学,信息科学与工程学院,湖南,长沙,410075【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于小波变换和2DPCA的人脸识别关键问题分析 [J], 杨绍华
2.基于Gabor小波和改进2DPCA的人脸识别方法 [J], 李其旭;王嘉梅;赵飞
3.基于小波变换和2DPCA的人脸识别方法 [J], 魏新华;张明扬
4.基于小波变换和2DPCA的人脸识别 [J], 翟俊海;翟梦尧;王华超
5.一种基于分块差图像的2DPCA 人脸识别方法 [J], 施志刚
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Gabor小波和人工神经网络的人脸识别摘要人脸识别是计算机视觉领域中非常活跃的一个研究方向，在图像、生物、工业等民用领域及军事领域中有着广泛的应用，其中以目标特征的提取为难点与重点。
本文研究的目的是提高Gabor目标识别算法的鲁棒性，降低负面因素对识别效果的影响。
首先介绍了常用的分类规则，分析了人工神经网络以及BP算法的优缺点。
给出了一种变步长学习速率的改进方法，优化了BP神经网络，为后文的识别研究提供了较好的分类器支持。
关键词：神经网络， Gabor滤波器，特征提取，人脸识别AbstractThe automatic target recognition is a pop issue in the computer vision area，that has been used abundantly in many fields such as image，biology,industry and SO on，especially in military circles．During ATR’S taches，extracting feature of target image should be the most difficult and important one．The aim of this paper is to enhance the robustness of corresponding Gaboralgorithm andto weaken the effect of negative factors．Firstly,some main classifiers are presented，and some advantage and disadvantage of BP network which belong to the ANNare analysed．An improved method whose step extent shift is given to optimize the BP net，which supplies a better classifier for the next work．Keywords：Neural network，Gabor Jets，Feature extracting，Face recognition1 绪论1.1 研究背景及意义人脸识别是生物特性鉴别技术的一个主要方向，它涉及图像处理，模式识别，计算机视觉等多个研究领域，具有十分广泛的应用前景，多年来一直是一个研究热点。
基于Gabor小波变换与协同表示的人脸识别研究摘要：人脸识别是模式识别以及图像处理研究的重要内容和热点之一，也是生物特征识别技术中的一个非常活跃的课题。
人脸识别技术具有实时、准确和非接触等优势，因而较容易被用户接受和认可，目前已经在出入管理、门禁考勤等系统中有着广泛的应用。
本文主要研究基于Gabor小波变换与协同表示的人脸识别算法，就其中的特征提取等相关问题进行了深入探讨。
首先用Gabor小波对人脸图像进行特征提取，由于变换后的特征维数较高，所以要对变换特征进行降维，本文结合协同表示的方法提出了一种新的基于Gabor特征与协同表示的人脸识别算法，实验结果表明该方法对于人脸图像的光照、表情和姿态等变化具备较强鲁棒性，算法运行速度较快。
关键字：Gabor 人脸识别协同表示1. 引言在人类生活中身份验证一直十分重要且被广泛应用，验证手段也是多种多样，密码就是其中最常用的一种，然而由于密码容易遗忘或被盗用，因此真正安全的方式是利用人体生理上的唯一性差别特征如指纹、虹膜和人脸等，如图1-1。
即采用生物识别的方式，但是指纹和虹膜识别都属于主动识别的范畴，需要被识别者主动配合采样才能完成其应用具有一定的局限性，相比之下人脸识别则是一种十分自然的验证方式，既可以采用主动方式也可以采用被动方式能被大众广泛接受。
尤其是近几年来人脸识别技术已成为国内外学者研究的热点。
人脸识别过程有两个关键环节，特征提取和分类识别，人脸是非刚体、形变大，再加上表情、饰物、毛发、光照、角度等变化的影响，使得人脸模式呈现出很强的非线性特性，且人脸图像是一个高维矢量，如何提取有效特征尤其重要。
此外提高识别的关键也在于设计具有良好分类能力的分类器。
图1 身份识别方式2.特征提取2.1 小波特征提取二维Gabor小波变换经常用来表示和分析图像信号，小波变换是通过计算一组Gabor滤波器函数与给定图像信号的卷积来实现的，在信号处理技术领域中，Gabor变换是被公认的信号表示尤其是图像辨识的最好方法之一。
