针对人脸图像局部特征提取不充分的问题

在基于子空间分析的人脸识别算法中

提出了在线性和非线性空间中实现基于2DGabor均值的子空间人脸识别算法.首先

根据人脸图像的5个特殊区域

对人脸图像进行分块处理

分别对每一块进行2DGabor运算

并把每个训练样本相应像素点得到的特征矢量取均值

得到图像的特征向量

然后在线性和非线性空间中利用2DPCA(two-dimensional principle component analysis)和KDA(kernel fisher discriminant analysis)对特征向量进行降维处理

最后利用最近邻分类器和支持向量机分类器SVM(support vector machine)进行特征分类与识别

通过对ORL和FERET标准人脸库图像进行的实验仿真即对比结果表明

基于2DGabor均值的方法不仅提高识别率

而且对于人脸光照、姿态和表情变换均具有良好的鲁棒性.