基于Gabor变换和双方向PCA的人脸识别

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 13-15.

基于Gabor变换和双方向PCA的人脸识别

聂祥飞^1,2,谭泽富¹,郭军²

1.重庆三峡学院物理与电子工程学院，重庆 404000
2.北京邮电大学信息工程学院，北京 100876

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 聂祥飞

Face recognition based on Gabor transform and bidirectional PCA

NIE Xiang-fei^1,2,TAN Ze-fu¹,GUO Jun²

1.School of Physics and Electronic Engineering，Chongqing Three Gorges University，Chongqing 404000，China
2.School of Information Engineering，Beijing University of Posts and Telecommunications，Beijing 100876，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: NIE Xiang-fei

摘要/Abstract

摘要： 提出了一种可以解决小样本问题的人脸识别新算法。算法首先把人脸图像经过Gabor小波变换后得到的每个输出图像都看成是独立的样本，从而大大增加了每一类人脸样本的样本数。然后采用双方向PCA算法来提取人脸特征，并专门设计了针对人脸特征矩阵的最近邻分类器和最小距离分类器来进行分类判决。在ORL人脸库和FERET人脸库中的实验结果表明，算法能有效地解决人脸识别中的小样本问题，甚至当每类训练样本数仅为1时，也能得到较高的识别率。

关键词: 人脸识别, 小样本问题, 双方向PCA, Gabor变换

Abstract: A novel face recognition algorithm which can solve the Small Sample Size（SSS） problem is presented.Firstly，the sample size of each subject is increased greatly by regarding every output image after taking Gabor wavelet transform as an independent sample.Secondly，bidirectional PCA method is adopted for face feature extraction.Special nearest neighbor classifier and minimum distance classifier based on face feature matrix are designed for classification，respectively.The experimental results on ORL face database and FERET face database show that the proposed method can alleviate the SSS problem effectively，and can get a good performance even when the training sample size of each subject is only 1.

Key words: face recognition, Small Sample Size（SSS） problem, bidirectional PCA, Gabor transform

聂祥飞^1,2,谭泽富¹,郭军². 基于Gabor变换和双方向PCA的人脸识别[J]. 计算机工程与应用, 2007, 43(36): 13-15.

NIE Xiang-fei^1,2,TAN Ze-fu¹,GUO Jun². Face recognition based on Gabor transform and bidirectional PCA[J]. Computer Engineering and Applications, 2007, 43(36): 13-15.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.