基于分数阶傅里叶变换统计信息的人脸识别(孙慧静)
文章地址:paper
分数阶傅里叶变换作为新兴的图像处理工具,可以看作信号在时频平面进行任意角度的逆时针旋转。它引入了变换阶次,可以分析信号的时频域信息,通过阶次变换决定时频域信息的占比。
由于分数阶傅里叶变换不是保实的,对其幅度相位信息单独分析。对幅度信息进行了统计分析,首次对幅度信息含有判别信息进行了论证。另外,利用幅度信息对图谱结构具有鲁棒性的特性,解决了局部保持投影的相似矩阵对近邻数目敏感的问题。
本文首次提出差异脸,利用类间差异大与类内差异小,更好地识别人脸。把差异脸与相位信息统计特性相结合,利用相位信息的稀疏性,合理地设置阈值解决了人脸识别对外界因素敏感的问题。在实验过程中,每人仅提取一个训练样本,其余均用作测试,不仅得到了理想的识别效果,还解决了小样本问题。
1.目前关于人脸识别的方法综述
1.1基于空域的人脸识别方法
1) 主成分分析(Principal Component Analysis,PCA)。是一种线性变换,该方法通过构建协方差矩阵对图像进行处理和特征提取,最终实现样本的最优化重建。实现步骤: A. 计算图像的总散度矩阵,提取图像的主成分形成特征子空间。B. 在特征子空间分析图像,不仅提取了图像的主要判别信息,而且降低了图像的维数,提高了识别的速度。优点:因为是线性变换,描述数据时方便快捷。缺点:其核心没有以分类为目的,不是很适用于模式识别类问题;其产生的特征向量只是考虑图像之间的所有差异,忽略了类别信息。因此无法辨别这些差异来自类间还是类内。