基于对数域非线性 DCT 特征熵估计与核熵分量分析的人脸识别方法
计算机视觉与模式识别
2015-06-30 v1
摘要
本文利用了离散余弦变换 (DCT) 的特征提取能力，并结合对数域中的光照归一化方法，增强了其对面部几何形状和光照变化的鲁棒性。其次，在同一域中对 DCT 系数应用熵度量，从而提取保留最大熵的像素作为特征向量。因此，可以在低维空间中提取面部的信息特征。最后，将扩展了反余弦核的核熵分量分析 (KECA) 应用于对熵估计贡献最大的提取 DCT 系数，以仅获得那些与具有高正熵贡献的特征值相关的实核 ECA 特征向量。所得系统在真实图像序列上成功测试，并对显著的部分遮挡和光照变化具有鲁棒性，这一点已在 FERET、AR、FRAV2D 和 ORL 人脸数据库的实验中得到验证。实验对比证明了所提方法在识别准确率方面的优越性。通过特异性和灵敏度分析，我们发现当对 DCT 系数应用 Renyi 熵时效果最佳。广泛的实验对比证明了所提方法在识别准确率方面的优越性。此外，所提方法非常简单，计算速度快，可部署于任何实时人脸识别系统中。
引用
@article{arxiv.1312.1520,
title = {A Face Recognition approach based on entropy estimate of the nonlinear DCT features in the Logarithm Domain together with Kernel Entropy Component Analysis},
author = {Arindam Kar and Debotosh Bhattacharjee and Dipak Kumar Basu and Mita Nasipuri and Mahantapas Kundu},
journal= {arXiv preprint arXiv:1312.1520},
year = {2015}
}
备注
9 pages,Published Online August 2013 in MECS. International Journal of Information Technology and Computer Science, 2013. arXiv admin note: text overlap with arXiv:1112.3712 by other authors