基于Gabor和2DPCA的单次训练样本人脸识别

单个训练样本的人脸识别问题是人脸识别领域的一个挑战,因此在训练集中只有一个人的一个样本的情况下,特征提取是提高识别正确率的重要步骤。 Gabor特征和2DPCA降维算法也是有效的特征提取方法,应用于人脸识别和模式分析领域。 但是这两种方法无法结合使用,因为2DPCA需要以2D结构输入数据。 提出了一种基于Gabor和2DPCA的特征提取方法。 利用图像拼接技术将一系列的Gabor子图像转换为图像,然后可以采用2DPCA。 在ORL人脸数据集上的实验结果表明,与其他类似算法相比,该方法具有较高的正确率,并且具有较高的正确率。