子模式Gabor特征融合提升单样本人脸识别准确性

"基于子模式的Gabor特征融合的单样本人脸识别_王科俊" 在人脸识别领域，传统的识别方法在只有单个训练样本的情况下往往表现欠佳，这主要是因为缺乏足够的数据来捕捉个体脸部特征的多样性和变化。王科俊和邹国锋提出了一种创新的解决方案，即基于子模式的Gabor特征融合方法，专门针对单样本人脸识别问题。 Gabor变换是该方法的核心，它能有效地提取人脸图像的局部特征。Gabor滤波器可以模拟人类视觉系统对边缘和纹理的敏感性，因此在人脸识别中具有很高的应用价值。在该研究中，首先通过Gabor变换对人脸图像进行处理，获取其不同尺度和方向的局部信息。为了充分利用面部器官的空间位置信息，研究人员将Gabor人脸图像分割成多个子模式，每个子模式代表图像的一部分。 接下来，采用最小距离分类器对每个子模式进行独立分类。这种策略允许系统对每个局部特征进行精细分析，从而提高识别的准确性。然后，通过对各个子模式分类结果进行决策级融合，得出最终的人脸识别分类结果。决策级融合意味着将所有子模式的分类决策结合在一起，以得出更可靠的整体判断。 文中提出了两种不同的子模式Gabor特征融合方法，它们的区别在于子模式的构成原则和决策级融合策略。这些方法的多样性旨在适应不同的人脸特征分布和识别场景，以达到最佳的识别效果。 实验部分在ORL人脸库和CAS-PEAL-R1人脸库上进行了验证。这两个数据库包含了广泛的人脸图像，为评估方法的有效性提供了丰富的数据。实验结果显示，提出的子模式Gabor特征融合方法显著提高了单样本人脸识别的正确率，证明了这种方法对于改善单样本人脸识别系统性能的有效性。 此外，这项研究得到了国家自然科学基金、国家863计划项目以及博士点专项科研基金的资助，体现了其在学术和实际应用上的重要性。作者王科俊和邹国锋分别在模式识别和神经网络领域有着深入的研究，他们的工作为单样本人脸识别技术的发展做出了贡献。 关键词：单样本人脸识别，Gabor变换，局部特征，图像子模式，决策级融合，模糊综合 中图法分类号：TP391.41 这篇研究论文展示了如何通过子模式的Gabor特征融合技术来解决单样本人脸识别的挑战，为未来在这个领域的研究提供了新的思路和方法。