基于Gabor变换和变精度粗糙集的人脸识别

doi:10.3778/j.issn.1002-8331.2008.22.059

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (22): 197-200.DOI: 10.3778/j.issn.1002-8331.2008.22.059

• 图形、图像、模式识别 • 上一篇下一篇

基于Gabor变换和变精度粗糙集的人脸识别

刘海霞¹,周军¹,梅红岩¹,刘立军²

1.辽宁工业大学计算机科学与工程学院，辽宁锦州 121001
2.辽宁移动通信有限公司锦州分公司，辽宁锦州 121000

收稿日期:2007-10-11 修回日期:2008-01-21 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 刘海霞

Face recognition based on Gabor transform and variable precision rough set

LIU Hai-xia¹,ZHOU Jun¹,MEI Hong-yan¹,LIU Li-jun²

1.School of Computer Science and Engineering，Liaoning University of Technology，Jinzhou，Liaoning 121001，China
2.Jinzhou Branch，Liaoning Mobile Communication Ltd.，Jinzhou，Liaoning 121000，China

Received:2007-10-11 Revised:2008-01-21 Online:2008-07-11 Published:2008-07-11
Contact: LIU Hai-xia

摘要/Abstract

摘要： 针对主成分分析（PCA）方法在特征提取和降维方面的不足，提出一种基于变精度粗糙集的人脸Gabor特征筛选方法。首先提取人脸图像Gabor特征向量，经2DPCA方法处理后用粗糙集对其进行最佳特征选择。然后训练最近邻分类器进行分类识别。在ORL人脸库上验证了该方法的有效性。实验结果显示，该方法的分类能力优于PCA和Gabor_PCA等方法。

关键词: Gabor变换, 主成分分析, 变精度粗糙集, 人脸识别

Abstract: In order to overcome the shortcoming of PCA，a method for extracting Gabor features of face images based on variable precision rough set is presented.First，Gabor features are extracted from face images.After reduced by 2DPCA algorithm，the features are reduced further by rough set.Then the nearest classifier is trained for classification.The experiments being performed on ORL human face image database show the method presented in this paper is superior to that of PCA algorithm and Gabor_PCA algorithm and so on.

Key words: Gabor transform, Principal Component Analysis（PCA）, variable precision rough set, face recognition

刘海霞¹,周军¹,梅红岩¹,刘立军². 基于Gabor变换和变精度粗糙集的人脸识别[J]. 计算机工程与应用, 2008, 44(22): 197-200.

LIU Hai-xia¹,ZHOU Jun¹,MEI Hong-yan¹,LIU Li-jun². Face recognition based on Gabor transform and variable precision rough set[J]. Computer Engineering and Applications, 2008, 44(22): 197-200.

[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]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[10]	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.
[11]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

基于Gabor变换和变精度粗糙集的人脸识别

Face recognition based on Gabor transform and variable precision rough set

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics