APP下载

基于改进Gabor特征幻影的低分辨率人脸识别

2020-09-29卞加祁胡学龙陈舒涵

无线电工程 2020年10期
关键词:特征实验

卞加祁,胡学龙*,陈舒涵

(1.扬州大学 信息工程学院,江苏 扬州 225127;2.扬州大学 人工智能学院,江苏 扬州 225127)

0 引言

近年来,监控摄像头的应用颇为广泛,人脸识别系统备受重视。由于摄像头常处于非可控状态,故所拍摄得到的人脸图像一般分辨率较低且质量较差。如何提高此类低分辨率人脸的识别准确率具有重要的现实意义。目前,低分辨率人脸识别主要有超分辨率重建[1-6]和稳健特征提取[7-10]。超分辨率重建算法主要是先对低分辨率样本进行超分辨率增强,然后再进行识别。具体可以分为以下几类:基于流形学习、基于字典学习以及基于回归学习。在基于流形学习中,先假设高分辨率人脸和低分辨率人脸中具有相同的局部邻域结构,在这种假设下,可以通过邻域样本重建生成与低分辨率人脸相对应的高分辨率人脸;具体的流形思想有:局部几何结构以及稀疏邻域嵌入。在基于字典学习中,通过寻找和从低分辨率人脸和高分辨率人脸特征空间有关的稀疏编码系数来预测高分辨率人脸;基于字典学习的方法大致有2类:正交字典[3]和过完备字典。在基于回归学习中,首先通过高低分辨率人脸数据集,建立一个映射函数,再通过这个映射函数,来构建与低分辨率人脸相对应的高分辨率人脸。具体方法有核回归[5]、支持向量回归等。在超分辨率重建算法中,Pong等[11]提出了一种基于Gabor特征重建的低分辨率人脸识别,即先用局部线性回归建立一个映射函数,再通过这个映射函数,来构建高分辨率(HR)的Gabor特征;……

登录APP查看全文

猜你喜欢

特征实验
记一次有趣的实验
如何表达“特征”
做个怪怪长实验
不忠诚的四个特征
NO与NO2相互转化实验的改进
实践十号上的19项实验
线性代数的应用特征
《实验流体力学》征稿简则