基于二維Gabor小波與AR-LGC的人臉特征提取算法研究

倪永婧 孫袆 岳瑩 郭志萍 高麗慧 劉微

摘要：針對Gabor小波提取的特征信息不夠全面以及維數(shù)災難問題，提出了一種基于二維Gabor小波與AR-LGC人臉特征提取的改進算法。首先利用二維Gabor小波提取歸一化人臉圖像的特征信息，使用AR-LGC算子對提取的Gabor特征進行編碼;然后對編碼后的Gabor特征圖譜進行劃分，對每個子塊進行直方圖統(tǒng)計，將其串聯(lián)形成人臉表情特征向量并利用PCA進行數(shù)據(jù)壓縮，最后利用C-SVM進行分類識別。實驗結(jié)果表明，平均識別率為93.33%的比AR-LGC+SVM，Gabor+PCA+SVM提取特征算法的平均識別率分別高6.19%，3.33%。因此所提出的算法在人臉圖像的特征信息提取方面有一定的參考價值。

關鍵詞：圖像處理;人臉特征提取;Gabor小波; AR-LGC;直方圖;PCA;C-SVM

中圖分類號：TP391.41文獻標志碼：Adoi： 10.7535/hbgykj.2019yx04006

Abstract：Aiming at the incompleteness problem that the feature information extracted from Gabor wavelet and the dimension of disaster， an improved algorithm with face feature extraction based on two-dimensional Gabor wavelet and AR-LGC is proposed. In this algorithm， normalized face features are extracted by two-dimensional Gabor wavelet and the extracted Gabor features are encoded by the AR-LGC operator. The coded Gabor characteristic spectrum is divided into some blocks and each sub block is counted by histogram. These results are sequentially connected to form face expression feature vector， and using PCA algorithm to reduce dimension. At last SVM tools is adopted to classify and recognize the face. It is shown that the average recognition rate of the algorithm is 93.33%， which is 6.19% and 3.33% higher than that of AR-LGC+SVM and Gabor+PCA+SVM feature extraction algorithm respectively. This method can provide reference in face feature extraction.

Keywords：image processing; face feature extraction; Gabor wavelet; AR-LGC; histogram; PCA; ?C-SVM

對人臉特征進行提取并識別成為模式識別、圖像處理領域的典型研究課題，不論是在理論上還是在實際應用上都具有重要的研究價值。其中，人臉特征提取的準確性直接影響了人臉識別的正確率。目前，用于特征提取的幾大主流方式包括小波變換[1]、活動外觀模型[2]、局部二值模式、主成分分析法等。LUO等[3]將Gabor小波應用到人臉表情識別，利用Gabor小波進行特征提取。2013年，Gabor小波變換被應用于與局部二值模式相結(jié)合提取復合特征，然后利用SVM進行分類，獲得了比傳統(tǒng)算法更高的識別率，但同時加大了算法復雜度，增加了識別時間[4]。

Gabor小波通過一系列多尺度、多方向的濾波器組進行卷積，提取的特征能夠反映人腦視覺神經(jīng)的特性。但是，其提取的特征信息不夠全面，可能存在維數(shù)災難的問題。

針對Gabor小波提取的特征信息不夠全面以及維數(shù)災難問題，提出了一種改進算法：基于二維Gabor小波與AR-LGC（asymmetric region local Gabor gradient code， 非對稱區(qū)域局部Gabor 梯度編碼）的人臉特征提取。AR-LGC可以精細地描述圖像的局部紋理信息，還可以把握圖像整體信息粗粒度，并且對旋轉(zhuǎn)和灰度具有不變性，結(jié)合兩者優(yōu)點提出該方法。首先利用二維Gabor小波提取歸一化人臉圖像的特征信息，使用AR-LGC算子對提取的Gabor特征進行編碼，得到人臉圖像特征，利用PCA（principal component analysis， 主成分分析法）進行數(shù)據(jù)壓縮，最后利用SVM（support vector machine， 支持向量機）進行分類識別，具體流程如圖1所示。

1Gabor小波特征提取

二維Gabor小波變換可以多方向、多尺度地提取人臉圖像的局部紋理數(shù)據(jù)，強化人臉關鍵功能區(qū)域的局部特征數(shù)據(jù)，又對光照影響因子不敏感，對于圖像中人臉的形狀改變、存在角度問題具有一定的容忍度，所以其被廣泛用于提取圖像中目標物體的特征[5-6]。

3實驗描述與結(jié)果

3.1實驗描述

人臉特征提取與識別的計算機仿真實驗利用Matlab2014b編程實現(xiàn)[9]，本文采用的是日本女性JAFFE數(shù)據(jù)庫，JAFFE數(shù)據(jù)庫是包含10位日本女性7種不同的表情，每種表情有2～3張，共有213張圖片，每張圖片的大小是256×256，并且全部都是背景統(tǒng)一的灰度圖像。數(shù)據(jù)處理過程如下。

1）對圖像進行歸一化處理，統(tǒng)一大小為128×128，尺度歸一化后的圖像如圖6所示。

2）用二維Gabor小波提取歸一化人臉圖像的特征信息和使用AR-LGC算子對提取的Gabor特征進行編碼，利用直方圖統(tǒng)計特征向量，并利用PCA進行數(shù)據(jù)壓縮[10-12]，其直方圖如圖7所示。

3）利用SVM[13-14]進行人臉識別。

3.2實驗結(jié)果

實驗中，選取每人每種表情的1張圖片作為測試集，剩余圖片作為訓練集，經(jīng)過7次實驗，得到平均識別率，如表1所示。

實驗中，在選取相同的每個人的一張圖片作為測試集，剩余圖片作為訓練集，按照不同算法，得到不同識別率，如表2所示。

實驗結(jié)果表明，該方法取得了93.33%的平均識別率，比AR-LGC+SVM，Gabor+PCA +SVM提取特征算法的平均識別率分別高6.19%，3.33%。

4結(jié)語

結(jié)合二維Gabor小波變換和AR-LGC的特點，提出了基于二維Gabor小波與AR-LGC的人臉特征提取算法，并在JAFFE人臉數(shù)據(jù)庫上進行了實驗。實驗結(jié)果表明：Gabor小波通過一系列多尺度、多方向的濾波器組進行卷積，提取的特征能夠反映人腦視覺神經(jīng)的特性。AR-LGC可以精細地描述圖像的局部紋理信息，可以把握圖像整體信息粗粒度，并且對旋轉(zhuǎn)和灰度具有不變性。兩者結(jié)合取得了93.33%的平均識別率，比AR-LGC+SVM，Gabor+PCA+SVM提取特征算法的平均識別率分別高6.19%，3.33%。

利用本研究方法，本文雖然取得了平均93.33%的識別率，但是在人臉特征提取方面還有更高的提升空間，未來將做進一步的研究。

參考文獻/References：

[1]李健. 基于Gabor變換和LBP相結(jié)合的人臉識別算法的研究[D]. 太原：太原理工大學，2016.

LI Jian. Research of Face Recognition Based on ?Gabor Transform Combined with LBP Algorithm[D]. Taiyuan：Taiyuan University of Technology，2016.

[2]魏月納. 基于特征融合的人臉識別算法研究與應用[D]. 無錫： 江南大學， 2016.

WEI Yuena. Research and Application of Face Recognition Algorithm Based on Feature Fusion [D]. Wuxi： Jiangnan University， 2016.

[3]LUO Yuan， YU Chaojing， ZHANG Yi，et al. Facial expression recognition based on fusion of extended LDP and Gabor features[J].The Journal of China Universities of Posts and Telecommunications，2018，25（1）：48-53.

[4]賴劍煌，阮邦志，馮國燦.頻譜臉：一種基于小波變換和Fourier變換的人像識別新方法[J].中國圖象圖形學報，1999，4（10）：811-817.

LAI Jianhuang， YUEN P C， FENG Guocan. Spectroface： A wavelet-based and fourier-based approach for human face recognition[J]. ?Journal of Image and Graphics，1999，4（10）：811-817.

[5]ALOBAIDI T， MIKHAEL W B. Face recognition system based on features extracted from two domains[C]//2017 IEEE 60th International Midwest Symposium on Circuits and Systems（MWSCAS）. [S.l.]：[s.n.]，2017： 977-980.

[6] LADES ?M， VORBRUGGEN J C， BUHMANN J M， et al. Distortion invariant object recognition in the dynamic link architecture[J].IEEE Transactions on Computers， 1993， 42（3）： 300-311.

[7]嵇介曲. 基于LBP算法的人臉識別研究[D]. 淮南：安徽理工大學，2017.

JI Jiequ. Research on Face Recognition based on LBP Algorithm[D]. Huainan：Anhui University of Science and Technology， 2017.

[8]劉東輝，卞建鵬，付平，等. 支持向量機最優(yōu)參數(shù)選擇的研究[J]. 河北科技大學學報，2009，30（1）： 58-61.

LIU Donghui， BIAN Jianpeng， FU Ping，et al. Study on the choice optimum parameters of support vector machine[J]. Journal of Hebei University of Science and Technology，2009，30（1）： 58-61.

[9]周慧敏， 楊明. 基于MBP算法和深度學習的人臉識別[J]. 河北工業(yè)科技，2019，36（1）： 25-30.

ZHOU Huimin， YANG Ming. Face recognition based on monogenic binary patterns and deep learning[J]. Hebei Journal of Industrial Science and Technology，2019，36（1）： 25-30.

[10]許亞軍，李瑋欣. 基于Gabor小波變換和神經(jīng)網(wǎng)絡的人臉識別研究[J]. 中國電子科學研究院學報，2017，12（5）：534-539.

XU Yajun， LI Weixin. Research on face recognition based on the Gabor wavelet and the neural network[J]. Journal of China Academy of Electronics and Information Technology， 2017，12（5）：534-539.

[11]胡正平，何薇，王蒙，等. Gabor調(diào)制的深度多層子空間人臉特征提取算法[J]. 信號處理， 2017，33（3）：338-345.

HU Zhengping， HE Wei， WANG Meng， et al. Face feature extraction algorithm based on deep subspace with Gabor filter modulation[J]. Journal of Signal Processing， 2017，33（3）：338-345.

[12]程軼紅. 基于非對稱局部梯度編碼及多特征融合的人臉表情識別[D]. 合肥：合肥工業(yè)大學，2016.

CHENG Yihong. Facial Expression Recognition Based on asymmetric Region Local Gradient Coding and Multi-feature Fusion [D]. Hefei：Hefei University of Technology，2016.

[13]胡敏，程軼紅，王曉華，等. 基于非對稱局部梯度編碼的人臉表情識別[J]. 中國圖象圖形學報，2015，20（10）：1313-1321.

HU Min， CHENG Yihong， WANG Xiaohua， et al. Facial expression recognition based on asymmetric local gradient coding[J]. Journal of Image and Graphics，2015， 20（10）：1313-1321.

[14]曹林，王東峰，劉小軍，等. 基于二維Gabor小波的人臉識別算法[J]. 電子與信息學報，2006，28（3）： 490-494.

CAO Lin， WANG Dongfeng， LIU Xiaojun， et al. Face recognition based on two-dimensional Gabor wavelets[J]. Journal of Electronics and Information Technology，2006，28（3）： 490-494.