基于独立特征融合的人脸识别方法

摘要

本发明公开了一种基于ICA进行全局特征和局部特征相融合的人脸识别方法。由于DCT能有效的将高维的人脸图像转换到低维空间并保留图像可识别的大部分信息，适合于图像全局特征的提取，而Gabor小波变换适合于图像的局部特征及分类特征提取，这两种特征被广泛应用于人脸识别。基于这两种方法，我们引入ICA技术以提取图像的独立Gabor特征和独立DCT特征，然后将两者进行有效融合以获取新的独立特征，使其同时具有Gabor特征的局部信息和DCT特征的全局信息，并有效的降低特征向量的维数，去除冗余特征。最后，融合后的独立特征被用于SVM实现人脸分类识别。

主权项

1、基于ICA进行全局特征和局部特征相融合的人脸识别方法，，其特征在于，包括将人脸图像预处理、人脸图像特征提取、特征融合以及基于SVM的人脸分类识别，其识别步骤为：(1)图像平滑以及图像灰度和方差的归一化处理；(2)从所有训练集图像中提取DCT特征；(3)从训练集图像中提取Gabor特征；(4)将训练集图像的DCT特征按行堆叠成向量，并进行去均值和白化处理，然后存储成Vdct；(5)采用FastICA提取训练集图像DCT特征的特征子空间以及独立特征；(6)同样，将训练集图像的Gabor特征进行去均值和白化处理，然后存储成Vgabor，然后采用FastICA提取其特征子空间以及独立特征；(7)将同一幅图像的独立DCT特征及独立Gabor特征串接成一维向量εi，然后用公式εi＝εi/∑abs(εi)将其归一化；(8)同(7)，获取所有训练图像的独立特征ε；(9)将训练图像的独立特征ε用于训练支持向量机模型；(10)同训练图像步骤，提取待识别图像的DCT特征以及Gabor特征，并将其向各自的特征子空间进行映射以提取相应的独立DCT特征和独立Gabor特征并进行串接及归一化，获取待识别图像的独立特征μ；(11)、将待识别图像的独立特征μ用于已获得的支持向量机模型进行分类识别，实现人脸识别。