[论文解读] 2D Face Recognition System Based on Selected Gabor Filters and Linear Discriminant Analysis LDA

Samir F. Hafez, Mazen M. Selim+1 more|arXiv (Cornell University)|Mar 12, 2015

Face and Expression Recognition参考文献 20被引用 15

一句话总结

本文提出一种基于选定非相关且正交Gabor滤波器子集的2D人脸识别系统，用于提取判别性特征，随后采用线性判别分析（LDA）进行降维与分类。该方法在CASIA、ORL和Cropped YaleB数据库上实现了98.9%的平均识别率，相较于完整Gabor滤波器组，在效率和准确性方面均表现更优。

ABSTRACT

We present a new approach for face recognition system. The method is based on 2D face image features using subset of non-correlated and Orthogonal Gabor Filters instead of using the whole Gabor Filter Bank, then compressing the output feature vector using Linear Discriminant Analysis (LDA). The face image has been enhanced using multi stage image processing technique to normalize it and compensate for illumination variation. Experimental results show that the proposed system is effective for both dimension reduction and good recognition performance when compared to the complete Gabor filter bank. The system has been tested using CASIA, ORL and Cropped YaleB 2D face images Databases and achieved average recognition rate of 98.9 %.

研究动机与目标

• 通过减少Gabor滤波器响应中的冗余，提升人脸识别性能。
• 通过仅选择非相关且正交的Gabor滤波器，提高特征提取效率。
• 利用线性判别分析（LDA）降低维度并提升分类准确性。
• 通过多阶段图像处理对人脸图像进行归一化，并补偿光照变化。
• 在标准2D人脸数据库上评估系统的鲁棒性与识别准确性。

提出的方法

• 系统应用多阶段图像处理以增强人脸图像，实现尺寸归一化并补偿光照变化。
• 从完整Gabor滤波器组中选取非相关且正交的Gabor滤波器子集，用于提取纹理特征。
• 将选定的Gabor滤波器直接应用于2D人脸图像，无需向量化，以保留空间结构。
• 利用线性判别分析（LDA）对Gabor滤波后的输出特征向量进行压缩，实现最优类别分离。
• 使用最近邻分类器或类似方法对最终特征表示进行分类。
• 滤波器选择过程确保冗余最小化，同时最大化判别能力。

实验结果

研究问题

• RQ1 与完整Gabor滤波器组相比，是否可使用一组非相关且正交的Gabor滤波器子集维持或提升识别准确率？
• RQ2 将选定的Gabor特征与LDA结合，是否能实现更优的降维与分类性能？
• RQ3 所提出的方法在处理2D人脸识别中的光照变化与图像归一化方面效果如何？
• RQ4 该系统在CASIA、ORL和Cropped YaleB等标准基准人脸数据库上的识别准确率是多少？
• RQ5 与传统基于Gabor的方法相比，该方法是否能在更低计算成本下实现高识别性能？

主要发现

• 所提系统在CASIA、ORL和Cropped YaleB人脸数据库上实现了98.9%的平均识别率。
• 采用选定的Gabor滤波器有效减少了特征冗余，同时保留了判别性纹理信息。
• LDA有效压缩了特征空间，增强了类别可分性并降低了计算负载。
• 在识别准确率和效率方面，该系统优于完整的Gabor滤波器组。
• 图像归一化技术成功补偿了光照变化，提升了系统鲁棒性。
• 该方法在光照和姿态条件多样的多种人脸数据库上表现出优异的泛化能力。