基于二维Gabor小波和AR-LGC的人脸特征提取算法研究

基于二维Gabor小波与AR-LGC的人脸特征提取算法研究 本文研究了基于二维Gabor小波与AR-LGC的人脸特征提取算法。该算法首先利用二维Gabor小波提取归一化人脸图像的特征信息，然后使用AR-LGC算子对提取的Gabor特征进行编码。接着，对编码后的Gabor特征图谱进行划分，对每个子块进行直方图统计，将其串联形成人脸表情特征向量，并利用PCA进行数据压缩。最后，利用C-SVM进行分类识别。 该算法的提出是为了解决Gabor小波提取的特征信息不够全面以及维数灾难问题。实验结果表明，所提出的算法可以提高人脸特征提取的准确性，平均识别率为93.33%，比AR-LGC+SVM、Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%、3.33%。因此，所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。 本文的主要贡献在于提出了一种基于二维Gabor小波与AR-LGC的人脸特征提取算法，解决了Gabor小波提取的特征信息不够全面以及维数灾难问题。该算法可以应用于人脸识别、图像处理等领域。 关键技术点： 1. 二维Gabor小波：Gabor小波是一种时域分析工具，能够提取图像中的频率信息。二维Gabor小波可以对人脸图像进行多尺度、多方向的特征提取。 2. AR-LGC算子：AR-LGC算子是一种基于自适应几何的特征提取算子，能够对Gabor小波提取的特征信息进行编码和压缩。 3. 直方图统计：直方图统计是一种对图像进行统计分析的方法，能够对人脸特征向量进行统计分析。 4. PCA数据压缩：PCA是一种数据压缩算法，能够对人脸特征向量进行维数减少和压缩。 5. C-SVM分类识别：C-SVM是一种支持向量机算法，能够对人脸特征向量进行分类识别。 本文的结果表明，所提出的算法可以提高人脸特征提取的准确性，具有很高的应用价值。