基于Gabor 小波和支持向量机的人脸识别方法

我们的人脸识别系统采用 Eigenface 技术得到的人脸特征向量表示人脸，然后转化为两类问题，利用支持向量机进行分类。

基于支持向量机的人脸识别

为了降低人脸Ｇａｂｏｒ特征的维数，提出了一种新的基于Ｇａｂｏｒ幅值的纹理表征（ＧＭＴＲ）方法用于人脸识别。ＧＭＴＲ由伽玛分布（ΓＤ）拟合Ｇａｂｏｒ幅值的分布来刻画，拟合的ΓＤ参数作为纹理特征。在ＦＥＲ

介绍gabor小波变换的方法，并将其应用于人脸识别中。

支持向量机是一种基于小样本学习的有效工具，作为分类器被认为具有很高的推广性能，无需先验知识。但是参数的选取与支持向量机的识别性能是相关的，核函数参数σ2和惩罚因子C对支持向量机识别性能会产生很大的影响

12年4月最新人脸识别算法。出一种基于G8bor小波与hhr蒯c算法的人脸识别方法．算法使用一组特定的‰小波滤波器对人脸图像重要区域进行针对性的特征提取运算，可在较短处理时间内获得更具区分能力的识别数

Matlab基于Gabor小波变换和人工神经网络的人脸识别方法-基于Gabor小波变换和人工神经网络的人脸识别方法.rar基于Gabor小波变换和人工神经网络的人脸识别方法

针对Gabor特征提取后维数变高，冗余很大的特点，先对高维特征进行采样，再引入二维PCA算法对Gabor特征进行选择，以达到降维的目的。然后采用基于模糊积分的多分类器联合的方法对7种表情进行融合识别。

基于Gabor小波和SLLE的人脸识别算法，李见为，樊超，为了提高人脸识别算法的识别率，提出了一种基于Gabor小波和SLLE的人脸识别算法。该算法首先采用Gabor小波对归一化的人脸图像进行多方�

稀疏编码中的字典学习在稀疏表示的图像识别中扮演着重要的作用。由于Gabor特征对表情、光照和姿态等变化具有一定的鲁棒性，提出一种基于Gabor特征和支持向量引导字典学习（GSVGDL）的稀疏表示人脸识

基于小波子带能量加权的人脸识别方法，吴献超，刘莎，本文提出一种基于小波子带能量加权的人脸识别算法。首先应用二维离散小波变换（2D-DWT）对图像进行二层小波分解，然后将得到的第�

基于改进LBP算子和支持向量机分类的人脸识别方法.pdf

为了降低光照变化对基于子空间的人脸识别方法性能的影响, 结合多通道Log

为了提高虹膜识别的准确率,通过对虹膜图像进行处理,实现了对虹膜图像的准确定位,得到了增强的归一化图像;使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类

基于离散曲波变换和支持向量机的掌纹识别方法