基于Gabor小波变换和神经网络的人脸识别研究

基于Gabor小波变换和神经网络的人脸识别研究

许亚军1，李玮欣2

【摘 要】本文首先分析了一维Gabor函数，并将其扩展到二维的Gabor函数。二维Gabor函数通过尺度变换和旋转变换生成二维Gabor小波。最后，二维Gabor小波变换被用来提取图像特征信息。在BP神经网络模型的基础上，本文提出并建立了基于Gabor小波和神经网络的图像智能识别模型，然后采用人脸识别来进行验证。采用ORL和Extended Yale B等人脸数据库用于模型测试，并与相关算法进行了仿真对比。尽管面部图像存在复杂的纹理和光照变化，该模型用于人脸识别时，人脸识别精度可达到0.93以上。结果表明，该算法具有较强的研究意义和应用价值。

【期刊名称】中国电子科学研究院学报 【年(卷),期】2017(012)005 【总页数】7

【关键词】 Gabor小波；特征信息；神经网络；人脸识别 工程应用

0 引 言

小波理论出现于20世纪80年代，尽管出现较晚，但小波理论越来越受到欢迎，其发展速度也很快[1-2]。学者们普遍认为小波变换是傅里叶变换的一个突破。此外，Gabor滤波对光照变化以及图像与人脸表情的对比度变化具有很强的鲁棒性，在人脸识别的过程中它表达的是对人脸识别最为有用的局部特征[3]，因此Gabor小波已被广泛应用于人脸特征的提取。目前，学者们已经加深了对神经网络理论的研究。人工神经网络[4-5]是人类模拟人脑神经系统的信息处理过