人脸识别中一种新的Gabor 特征提取方法

华南理工大学学报(自然科学版) ›› 2004, Vol. 32 ›› Issue (8): 5-8,17.

人脸识别中一种新的Gabor 特征提取方法

万峰杜明辉

华南理工大学电子与信息学院广东广州510640

收稿日期:2004-02-13 出版日期:2004-08-20 发布日期:2015-09-09
通信作者: 万峰（1976－）男博士主要从事数字图像处理的研究． E-mail:f.wan＠263.net
作者简介:万峰（1976－）男博士主要从事数字图像处理的研究．

A New Gabor Feature Extraction Method for Face Recognition

Wan Feng Du Ming-hui

College of Electronic＆Information EngineeringSouth China Univ．of Tech．Guangzhou510640GuangdongChina

Received:2004-02-13 Online:2004-08-20 Published:2015-09-09
Contact: 万峰（1976－）男博士主要从事数字图像处理的研究． E-mail:f.wan＠263.net
About author:万峰（1976－）男博士主要从事数字图像处理的研究．

摘要/Abstract

摘要： 为了有效利用 Gabor 特征进行人脸识别提出一种新的 Gabor 特征提取方法．首先利用类别可分离性判据评价 Gabor 展开系数的分类能力选择最有利于识别的 Gabor展开系数构造新的 Gabor 特征．然后对人脸不同局部位置处采样点的分类能力进行评价选择分类能力最强的位置提取特征点．最后就新的 Gabor 特征对光照和表情变化的适应性进行测试．实验结果表明新的特征提取方法能够在小样本条件下有效提高识别率减少特征数量并对环境变化具有一定的适应能力．

关键词: 人脸识别, Gabor 特征, 特征提取

Abstract: To utilize the Gabor feature for efficient face recognitiona new Gabor feature extraction method was pro-posed．Firstlya criterion with discriminating power was used to evaluate the classification ability of the Gabor coeffi -cientsand the Gabor coefficients most favorable to the recognition were selected to construct new Gabor features．Thenthe classification abilities of different local positions in the face were evaluatedand feature points were chosenat the positions with the strongest discriminating power．Finallythe adaptability of the new Gabor feature to illumina-tion and expression was tested．Experiment results show thatwith small samplesthe new feature extraction method can effectively increase the recognition ratereduce the number of featuresand is of certain adaptability to the envi -ronments．

Key words: face recognition, Gabor feature, feature extraction

中图分类号:

TP391．4

万峰杜明辉. 人脸识别中一种新的Gabor 特征提取方法[J]. 华南理工大学学报(自然科学版), 2004, 32(8): 5-8,17.

Wan Feng Du Ming-hui. A New Gabor Feature Extraction Method for Face Recognition[J]. Journal of South China University of Technology(Natural Science Edition), 2004, 32(8): 5-8,17.

[1]	刘乙奇, 黄志鹏, 于广平, 等. 全生命周期污泥膨胀的智能检测和诊断分析[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 91-99,110.
[2]	孔祥玉, 陈雅琳, 罗家宇, 等. 基于偏最小二乘的多特性复杂过程监测方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 100-110.
[3]	孙晓贺, 施成华, 刘凌晖, 等. 基于改进的种子填充算法的混凝土裂缝图像识别系统[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 127-136,146.
[4]	张艳, 吴洛天, 王年, 等. 基于多模块关系网络的2D足迹分类[J]. 华南理工大学学报（自然科学版）, 2021, 49(6): 66-76.
[5]	莫海军陈杰王顺栋. 结合点云纹理信息的快速点特征直方图描述子算法[J]. 华南理工大学学报（自然科学版）, 2021, 49(6): 56-65,76.
[6]	杨俊美雷杨陈习坤. 基于Flatten-CNN的语音带宽扩展研究[J]. 华南理工大学学报（自然科学版）, 2021, 49(11): 87-94.
[7]	杨圣豪, 吴玥悦, 毛佳昕, 等. 基于半监督学习的涉及未成年人案件文书识别方法[J]. 华南理工大学学报(自然科学版), 2021, 49(1): 29-38,46.
[8]	崔冬, 王明, 李刚, 等. 基于多级深度特征与随机游走的显著性检测[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 49-55.
[9]	郭明军, 李伟光, 杨期江, 等. PCA 的幅值滤波特性及在转子特征提取中的应用[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 125-133.
[10]	郭明军, 李伟光, 杨期江, 等. 基于稀疏算法的大型转子多工况轴心轨迹提纯[J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 45-53.
[11]	程洪超, 吴菁, 刘乙奇, 等. 面向污水处理过程的预测元-RVM 故障诊断建模[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 10-17.
[12]	孙朝云, 裴莉莉, 李伟, 等. 基于改进 Faster R-CNN 的路面灌封裂缝检测方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(2): 84-93.
[13]	梅园叶登攀刘昌瑞. 加密域图像检索技术综述 [J]. 华南理工大学学报（自然科学版）, 2018, 46(5): 78-86.
[14]	邝泳聪李家裕梁经伦欧阳高飞. 基于旋转立体视觉的元件针脚精密定位方法 [J]. 华南理工大学学报（自然科学版）, 2018, 46(2): 44-52,58.
[15]	徐金成. 对称局部保持的半监督维数约简算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(3): 89-96.