Face Recognition based on Gabor Filters

摘要

基于Gabor变换所构建的人脸特征表达方式，在人脸识别任务中展现出卓越的性能。本研究设计了一种新型算法，该算法借助Gabor特征进行神经网络的训练，以实现对人脸的识别。通过对多尺度图像实施高效的卷积操作，提升了特征提取的效果。本文的主要创新点包括：引入RMS对比度的缩放与形变处理，作为图像识别技术的一个重要改进。通过融合多层感知器（MLP）架构与反向传播算法，并结合Gabor-jet卷积滤波器的响应结果，完成了人脸识别任务。在包含多种光照条件下的变形人脸图像数据集上，该方法的有效性得到了充分验证。

1 引言

Gabor特征在计算机视觉、图像处理以及模式识别等多个研究领域受到了广泛关注。采用Gabor滤波器的核心原因在于其与生物视觉系统的关联性，即哺乳动物初级视觉皮层神经元的感受野轮廓具有方向性和特定的空间频率特性。Gabor滤波器能够有效捕捉诸如空间定位能力、方向选择性以及空间频率响应等关键的视觉属性[1]-[2]。鉴于其强大的功能表现及在人脸识别任务中取得的显著成效，本文尝试借助Gabor特征对人脸图像进行表征，并结合神经网络共同完成识别任务。

已有大量关于基于Gabor方法的图像识别研究被发表于文献中。Lades等人构建了一种基于Gabor小波的人脸识别系统，该系统采用动态链接架构（DLA）框架，通过提取人脸图像[3]上矩形网格节点处的Gabo