加权紧凑局部图结构人脸识别算法：提升识别性能

"基于加权紧凑局部图结构的人脸识别算法" 本文主要介绍了一种改进的人脸识别算法，称为加权紧凑局部图结构（Weighted Compact Local Graph Structure, WCLGS）。传统的局部图结构算法（Local Graph Structure, LGS）在构建图结构时存在一些局限性，比如它可能会考虑远离中心像素的点，且在分配权重时不考虑像素点到中心像素的距离。为解决这些问题，WCLGS算法被提出。 WCLGS算法的核心在于其混合特征提取策略。不同于LGS，WCLGS以中心像素为基准，从四个不同的方向——垂直和对角线方向——来构建图结构。这样设计的目的是为了同时捕捉图像中的对称性和非对称性信息。此外，算法在图结构形成后，根据像素点距离中心像素的远近来赋予不同的权重。离中心像素越近的边，其权重越大，而较远的边则分配较小的权重。这种加权策略使得算法能够更加关注中心像素附近的细节差异，从而更均衡地提取信息。 实验结果表明，WCLGS在ORL、AR和HD热红外人脸数据库上表现出比其他局部图结构算法更高的识别率和性能。这些数据库是人脸识别领域常用的标准测试集，涵盖了各种光照、表情和遮挡条件，因此，WCLGS算法的有效性得到了充分验证。 文章的作者们来自天津科技大学人工智能学院，他们的研究得到了国家自然科学基金和天津市教委科研计划等多个项目的资助。通过这个工作，研究团队不仅解决了LGS算法的局限，还为未来的人脸识别技术提供了新的思路，特别是在考虑局部特征权重和信息提取的平衡方面。 关键词：局部图结构，加权紧凑局部图结构，权重，特征提取，人脸识别，图像处理，人工智能。