分块Gabor与HOG融合的高精度人脸识别特征提取算法

本文主要探讨了一种创新的面部识别特征提取方法——"分块Gabor结合梯度直方图特征提取算法"。该研究发表在《小型微型计算机系统》杂志2019年第12期，由林克正、张元铭和李昊天三位作者共同完成，他们分别来自哈尔滨理工大学计算机科学与技术学院。他们的工作背景涵盖了图像处理与机器视觉以及模式识别领域。 文章针对传统的单一线性特征提取方法如Histogram of Oriented Gradients (HOG)存在的问题，即可能忽略图像的局部细节。为了改进这一情况，作者提出了一种融合Gabor滤波器和HOG技术的策略。首先，他们利用Gabor滤波器提取图像在不同尺度和方向上的纹理特征，这能够捕捉到局部的频率和方向信息，增加了特征的丰富度。接着，对Gabor特征进行尺度和方向的融合，形成更为综合的特征表示。 进一步地，他们将融合后的Gabor特征划分为若干块，这样可以增强空间局部性，有助于处理像光照、姿势和表情变化这样的图像干扰因素。每个块内的特征再通过HOG处理，提取出梯度方向直方图，然后通过Principal Component Analysis (PCA) 进行降维，得到新的H-G特征。这种特征融合和降维策略有助于提高特征的区分度和表达能力。 实验结果显示，这种分块Gabor结合HOG的特征提取算法相较于传统的单一特征提取方法，无论是在识别精度还是准确性上都有显著提升，并且展现出更好的鲁棒性和有效性，即使面对复杂的环境变化，如光照变化和人脸姿态变化，也能保持稳定的识别性能。 关键词包括：人脸识别、特征提取、Gabor滤波器、HOG（Histogram of Oriented Gradients）、特征融合。整个研究对于提高人脸识别系统的性能和稳定性具有重要意义，为后续的计算机视觉和模式识别研究提供了新的思路和技术支持。