一种基于Gabor特征提取和空间变换的单样本人脸识别方法技术

本发明专利技术公开了一种基于Gabor特征提取和空间变换的单样本人脸识别方法，主要解决在只有单张训练样本图像的条件下，由于类内散布矩阵是零而导致的传统面部识别方法不能够应用的问题。该方法采用Gabor小波从原始的单样本图像中提取空间特征向量，然后融合所提取的空间特征向量和原始的光谱特征向量，利用特征空间变换方法对融合特征矩阵进行低维特征空间变换，将其变换到一个低维子空间中，最后，利用最近邻分类器完成识别。本发明专利技术方法能够准确地完成单样本人脸的识别，提高了识别精度、降低了计算的代价。与现有技术相比，本发明专利技术提出的人脸识别方法更具有效性和鲁棒性。

A single sample face recognition method based on Gabor feature extraction and space transformation

The invention discloses a single sample face recognition method of Gabor feature extraction and spatial transformation based on the main problems in the only single training sample images under the condition of the within class scatter matrix is a traditional face recognition method of zero which can't be used problem. The method of extracting feature vector from a single sample in the original image using Gabor wavelet and spectral feature vector space fusion feature vector extracted and the original, the fusion feature matrix of low dimensional feature space transformation using feature space transformation method to transform it into a low dimensional subspace, finally, using the latest neighbor classifier recognition. The method of the invention can accurately complete the identification of a single sample face, thereby improving the recognition accuracy and reducing the computation cost. Compared with the prior art, the face recognition method proposed by the invention is more effective and robust.

【技术实现步骤摘要】
一种基于Gabor特征提取和空间变换的单样本人脸识别方法
本专利技术属于模式识别和图像处理领域，涉及到针对单张面部图像，由于类内散布矩阵为零，传统人脸识别方法无法使用情形下的人脸识别问题；具体地说是一种基于Gabor特征提取和空间变换的单样本人脸识别方法，可用于单样本情境下的视频监控、身份识别等。
技术介绍
人脸识别技术是生物特征识别技术中最重要的一种，目前在视频监控、督查执法、多媒体、过程控制、身份识别等领域都有广泛的应用。到目前为止，许多研究者在这方面的研究已经取得了很多科研成果。但是，针对恶劣或者特定的环境下，往往会对人脸识别系统提出一个全新的挑战，例如，执法人员仅有犯罪分子身份证上的一张面部图像，此时只能通过这张图像进行监控对比。对于这种只有一张面部图像的情景，人脸识别问题将会变得非常困难，这主要是因为常用的分类模型中的类内散布矩阵是零，Fisher线性判别分析、最大散度差等传统方法都将无法直接使用。这种情形我们通常称为无约束环境下的单训练样本人脸识别问题。如何在较差的光照、面部姿态变化较大、表情变化较大的条件下，利用监控捕捉到犯罪分子的单张全新面部，完成准确的自动识别是一个本文档来自技高网...

【技术保护点】
一种基于Gabor特征提取和空间变换的单样本人脸识别方法，包括：(1)利用Gabor小波提取单张图像的空间信息：(1.1)构造Gabor滤波函数：本专利技术采用一个二维Gabor滤波来提取单张图像的空间信息，它是由一个复杂的正弦平面来调整的高斯核函数；被定义为：

【技术特征摘要】
1.一种基于Gabor特征提取和空间变换的单样本人脸识别方法，包括：(1)利用Gabor小波提取单张图像的空间信息：(1.1)构造Gabor滤波函数：本发明采用一个二维Gabor滤波来提取单张图像的空间信息，它是由一个复杂的正弦平面来调整的高斯核函数；被定义为：其中，f是复杂正弦平面波的中心角频率，θ代表Gabor函数的正常平行条纹方向，φ是相位，σ是标准偏差，γ是用于指定Gabor函数支持椭率的空间比率；(1.2)构造Gabor滤波器组：由于Gabor滤波器组是由一组不同频率和方向的Gabor滤波器组成的，本发明中，我们使用具有五个不同尺度和八个不同方向的Gabor滤波器组，下述两式给出了一个具有五个不同尺度和八个不同方向的Gabor滤波器组：(1.3)面部图像的Gabor表示：对于一张面部图像A(x,y)，其Gabor表示可以通过原图像的卷积和Gabor滤波来获得，即：其中，G(x,y)代表Gabor滤波在不同尺度u和不同方向v的二维卷积结果；并且G(x,y)的大小由下采样因子ξ来决定，并且对其实行归零均值和单位方差，得到一个滤波特征矩阵Zu,v∈Rm*n；(1.4)构造Gabor方向块特征矩阵：将(1.3)中得到的滤波特征矩阵Zu,v转换为一维列向量，用Z0表示面部图像A(x,y)的五个不同尺度和八个不同方向的Gabor方向块特征矩阵如下：其中，是Zu,v在尺度i下的一维表示，Z0∈R(m*n)×40是从卷积结果G(x,y)中获得的Gabor方向块特征矩阵；(2)融合Gabor小波提取的空间信息和原始图像本身的光谱信息：由步骤(1)得到Gabor方向块特征矩阵为Z0∈R(m*n)×40，另一方面，由于单张训练样本图像本身包含非常重要的光谱信息，因此，将Gabor空间特征向量和光谱特征向量Y0∈R(m*n)×41进行融合，可以得到融合特征矩阵F∈R(m*n)×41：其中，σ1和σ2分别是Z0和Y0的标准偏差，它可以通过计算特征向量方差的平方根来得到；(3)基于融合特征矩阵的特征空间变换：(3.1)建立融合特...

【专利技术属性】
技术研发人员：葛洪伟，李莉，江明，朱嘉钢，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32