基于Gabor小波和人工神经网络的人脸识别算法研究(3)

菜单

Gabor小波可以单独提取比对图片关键点的顶部属性，相关图片的纹理方面也有很好地辨识度。Gabor小波不能独立产生正交序列，需要采用特殊算法。Gabor小波对于识别图像复杂的边缘非常敏锐，由于具有很好地方向性，并且对于拍摄角度，图片亮度有良好的兼容性,能够适应各种光照条件和拍摄角度[14]。在二维空间内，Gabor小波变换[15]有较强的识别特性，并和仿生学一定程度接轨，在人脸识别，图片匹配等相关研究领域有重大表现。比起傅立叶变换，Gabor小波也有很大优势。研究人员可以自主翻转Gabor滤波器的朝向角，Gabor小波识别图像具有多重分辨率。采用并行多条通道滤波，每个并行通道都可以获得样本图像的的某个特征值，据此，研究人员可以根据需要在不同的分辨率上分析样本图片。另一方面，在提取特征值方法上，Gabor小波在处理数据方面相比以往其它方法有很多优点：需要处理的特征值较少，随时随地满足系统要求；另一方面，光照条件的变化对小波影响不大，对于检测图片所受的翻转变形程度，用欧式测距法进行测量时，待检图片与模板图片不用严格的一一对应，鲁棒性[12,13]大大提高。

用生物学的眼光或者从技术角度来看，Gabor特征在人脸识别方面都有很大的优势。在Jones和Palmer所做的实验中[18]，人眼所能感受的细小纹理在一个很小的视野空间里不受控制，具有一定高度性的相似结果。Gabor变换法的核心思想与人脸视觉的处理在待测图片的2D剖面图上表现相似，在待测图片所划定区域内多个矢量方向上所具有的的频率和局部具有代表性特征。Gabor方法对图片的处理看成特征矢量的平行方向和垂直方向的显微镜。Gabor特征方法可以把图片的边缘以及波峰、波谷、等等具有代表性的图片特征，这些图片特征可以看成眼睛、鼻子和嘴巴这些构成面部轮廓的关键因素，同时作为代价人脸上的黑痣、粉刺、伤痕也被放大，这样既可以保留原始的脸部信息又放大了局部特征[14]。图2.1即是这种理论的表达。图2.1中的列出了所有该项实验结果，第一行是无脊椎动物的视觉感受域，第二行图像是滤波器的，第三行是视觉感受域与滤波器的误差。根据图像，可看出两者之间误差非常小。