基于环形对称Gabor和双边2DLDA的人脸识别研究.docx

基于环形对称Gabor和双边2DLDA的人脸识别研究
人脸识别是近些年来计算机视觉研究的重点之一，其广泛应用于安防、金融、社交等领域。在人脸识别领域，Gabor滤波器因其对灰度、纹理、频率信号的双重敏感性，成为了一种重要的处理技术，并且被广泛应用。本文研究了基于环形对称Gabor和双边2DLDA的人脸识别方法。
首先，我们对Gabor滤波器进行简要介绍。Gabor滤波器的特点是其频域和空域的兼顾性能，可以适用于不同方向和尺度的纹理特征提取。环形对称Gabor是对普通Gabor处理后的信号进行再处理，从而减弱信号噪声对特征识别的干扰。循环不变性是生物视觉系统普遍存在的特征，环形对称Gabor在人脸图像识别中扮演了不小的角色。
接着，我们引入双边2DLDA算法。LDA（LinearDiscriminantAnalysis）是一种主要用于分类问题的线性判别分析算法，旨在寻找一个投影坐标系，让这个坐标系下的类内散度最小、类间散度最大。而双边2DLDA算法使用了双边二次均值函数的方法对LDA做了改进，该算法保留数据分布的空间结构信息和巨大量的数据特征。
在具体实验中，我们选择了ORL人脸库中的400幅图像，其中10幅为一个人脸的不同表情。首先，我们采用环形对称Gabor滤波器对人脸图像进行特征提取，得到每个图像的Gabor能量特征向量。接着，我们将得到的特征向量输入到双边2DLDA算法中进行降维和分类。最后，将分类结果与实际结果进行比较，考察算法的准确度和效率。
实验结果表明，采用基于环形对称Gabor和双边2DLDA的人脸识别方法相对于仅使用Gabor滤波器的方法能够取得更好的分类效果。同时，在算法的复杂度和时间消耗方面，也相对较低，能够满足实际应用的需求。
尽管该方法在人脸识别领域取得了一定的成果，但针对复杂背景、多表情和遮挡等问题，仍需要进一步研究。未来，我们将加强对该方法的改进和扩展，以期更好地应对实际人脸识别场景的挑战。