由于2D Gabor滤波器具有生物学背景及最佳的时频局部化性质,广泛应用于计算机视觉的许多领域。然而,Gabor滤波器在实用中也存在一些局限和不足。一个重要的问题是Gabor特征维数较高,目前没有一种有效的Gabor特征抽取快速算法,由此带来较慢的处理速度、较大的计算开销和存储负担等,这必将制约其推广应用。该项目研究致力于构建与完善Gabor特征抽取快速算法的理论框架模型,并设计对应的快速算法。具体研究内容包括提出一种实用的Gabor滤波器参数设置算法;对Gabor核函数窗的设置进行分析;并对Gabor特征与对称性的关系进行了研究,提出一种应用于人脸识别的基于镜像对称的Gabor特征快速抽取算法;结合人脸识别技术的最新进展,如2DPCA、局部性保留投影LPP、局部嵌入分析LEA等,提出了一系列相关算法的改进及应用,取得了一定的研究成果。本项目共发表SCI论文2篇,EI论文15篇,国内核心期刊论文10余篇,参加国际学术交流13人次。
英文主题词Gabor feature; feature extraction; face recognition