基于二维Gabor小波与AR-LGC的人脸特征提取算法研究

倪永婧 孙袆 岳莹 郭志萍 高丽慧 刘微

摘要：针对Gabor小波提取的特征信息不够全面以及维数灾难问题，提出了一种基于二维Gabor小波与AR-LGC人脸特征提取的改进算法。首先利用二维Gabor小波提取归一化人脸图像的特征信息，使用AR-LGC算子对提取的Gabor特征进行编码;然后对编码后的Gabor特征图谱进行划分，对每个子块进行直方图统计，将其串联形成人脸表情特征向量并利用PCA进行数据压缩，最后利用C-SVM进行分类识别。实验结果表明，平均识别率为93.33%的比AR-LGC+SVM，Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%，3.33%。因此所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。

关键词：图像处理;人脸特征提取;Gabor小波; AR-LGC;直方图;PCA;C-SVM

中图分类号：TP391.41文献标志码：Adoi： 10.7535/hbgykj.2019yx04006

Abstract：Aiming at the incompleteness problem that the feature information extracted from Gabor wavelet and the dimension of disaster， an improved algorithm with face feature extraction based on two-dimensional Gabor wavelet and AR-LGC is proposed. In this algorithm， normalized face features are extracted by two-dimensional Gabor wavelet and the extracted Gabor features are encoded by the AR-LGC operator. The coded Gabor characteristic spectrum is divided into some blocks and each sub block is counted by histogram. These results are sequentially connected to form face expression feature vector， and using PCA algorithm to reduce dimension. At last SVM tools is adopted to classify and recognize the face. It is shown that the average recognition rate of the algorithm is 93.33%， which is 6.19% and 3.33% higher than that of AR-LGC+SVM and Gabor+PCA+SVM feature extraction algorithm respectively. This method can provide reference in face feature extraction.

Keywords：image processing; face feature extraction; Gabor wavelet; AR-LGC; histogram; PCA;  C-SVM

對人脸特征进行提取并识别成为模式识别、图像处理领域的典型研究课题，不论是在理论上还是在实际应用上都具有重要的研究价值。其中，人脸特征提取的准确性直接影响了人脸识别的正确率。目前，用于特征提取的几大主流方式包括小波变换[1]、活动外观模型[2]、局部二值模式、主成分分析法等。LUO等[3]将Gabor小波应用到人脸表情识别，利用Gabor小波进行特征提取。2013年，Gabor小波变换被应用于与局部二值模式相结合提取复合特征，然后利用SVM进行分类，获得了比传统算法更高的识别率，但同时加大了算法复杂度，增加了识别时间[4]。

Gabor小波通过一系列多尺度、多方向的滤波器组进行卷积，提取的特征能够反映人脑视觉神经的特性。但是，其提取的特征信息不够全面，可能存在维数灾难的问题。

针对Gabor小波提取的特征信息不够全面以及维数灾难问题，提出了一种改进算法：基于二维Gabor小波与AR-LGC（asymmetric region local Gabor gradient code， 非对称区域局部Gabor 梯度编码）的人脸特征提取。AR-LGC可以精细地描述图像的局部纹理信息，还可以把握图像整体信息粗粒度，并且对旋转和灰度具有不变性，结合两者优点提出该方法。首先利用二维Gabor小波提取归一化人脸图像的特征信息，使用AR-LGC算子对提取的Gabor特征进行编码，得到人脸图像特征，利用PCA（principal component analysis， 主成分分析法）进行数据压缩，最后利用SVM（support vector machine， 支持向量机）进行分类识别，具体流程如图1所示。

1Gabor小波特征提取

二维Gabor小波变换可以多方向、多尺度地提取人脸图像的局部纹理数据，强化人脸关键功能区域的局部特征数据，又对光照影响因子不敏感，对于图像中人脸的形状改变、存在角度问题具有一定的容忍度，所以其被广泛用于提取图像中目标物体的特征[5-6]。

3实验描述与结果

3.1实验描述

人脸特征提取与识别的计算机仿真实验利用Matlab2014b编程实现[9]，本文采用的是日本女性JAFFE数据库，JAFFE数据库是包含10位日本女性7种不同的表情，每种表情有2～3张，共有213张图片，每张图片的大小是256×256，并且全部都是背景统一的灰度图像。数据处理过程如下。

1）对图像进行归一化处理，统一大小为128×128，尺度归一化后的图像如图6所示。

2）用二维Gabor小波提取归一化人脸图像的特征信息和使用AR-LGC算子对提取的Gabor特征进行编码，利用直方图统计特征向量，并利用PCA进行数据压缩[10-12]，其直方图如图7所示。

3）利用SVM[13-14]进行人脸识别。

3.2实验结果

实验中，选取每人每种表情的1张图片作为测试集，剩余图片作为训练集，经过7次实验，得到平均识别率，如表1所示。

实验中，在选取相同的每个人的一张图片作为测试集，剩余图片作为训练集，按照不同算法，得到不同识别率，如表2所示。

实验结果表明，该方法取得了93.33%的平均识别率，比AR-LGC+SVM，Gabor+PCA +SVM提取特征算法的平均识别率分别高6.19%，3.33%。

4结语

结合二维Gabor小波变换和AR-LGC的特点，提出了基于二维Gabor小波与AR-LGC的人脸特征提取算法，并在JAFFE人脸数据库上进行了实验。实验结果表明：Gabor小波通过一系列多尺度、多方向的滤波器组进行卷积，提取的特征能够反映人脑视觉神经的特性。AR-LGC可以精细地描述图像的局部纹理信息，可以把握图像整体信息粗粒度，并且对旋转和灰度具有不变性。两者结合取得了93.33%的平均识别率，比AR-LGC+SVM，Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%，3.33%。

利用本研究方法，本文虽然取得了平均93.33%的识别率，但是在人脸特征提取方面还有更高的提升空间，未来将做进一步的研究。

参考文献/References：

[1]李健. 基于Gabor变换和LBP相结合的人脸识别算法的研究[D]. 太原：太原理工大学，2016.

LI Jian. Research of Face Recognition Based on  Gabor Transform Combined with LBP Algorithm[D]. Taiyuan：Taiyuan University of Technology，2016.

[2]魏月纳. 基于特征融合的人脸识别算法研究与应用[D]. 无锡： 江南大学， 2016.

WEI Yuena. Research and Application of Face Recognition Algorithm Based on Feature Fusion [D]. Wuxi： Jiangnan University， 2016.

[3]LUO Yuan， YU Chaojing， ZHANG Yi，et al. Facial expression recognition based on fusion of extended LDP and Gabor features[J].The Journal of China Universities of Posts and Telecommunications，2018，25（1）：48-53.

[4]賴剑煌，阮邦志，冯国灿.频谱脸：一种基于小波变换和Fourier变换的人像识别新方法[J].中国图象图形学报，1999，4（10）：811-817.

LAI Jianhuang， YUEN P C， FENG Guocan. Spectroface： A wavelet-based and fourier-based approach for human face recognition[J].  Journal of Image and Graphics，1999，4（10）：811-817.

[5]ALOBAIDI T， MIKHAEL W B. Face recognition system based on features extracted from two domains[C]//2017 IEEE 60th International Midwest Symposium on Circuits and Systems（MWSCAS）. [S.l.]：[s.n.]，2017： 977-980.

[6] LADES  M， VORBRUGGEN J C， BUHMANN J M， et al. Distortion invariant object recognition in the dynamic link architecture[J].IEEE Transactions on Computers， 1993， 42（3）： 300-311.

[7]嵇介曲. 基于LBP算法的人脸识别研究[D]. 淮南：安徽理工大学，2017.

JI Jiequ. Research on Face Recognition based on LBP Algorithm[D]. Huainan：Anhui University of Science and Technology， 2017.

[8]刘东辉，卞建鹏，付平，等. 支持向量机最优参数选择的研究[J]. 河北科技大学学报，2009，30（1）： 58-61.

LIU Donghui， BIAN Jianpeng， FU Ping，et al. Study on the choice optimum parameters of support vector machine[J]. Journal of Hebei University of Science and Technology，2009，30（1）： 58-61.

[9]周慧敏， 杨明. 基于MBP算法和深度学习的人脸识别[J]. 河北工业科技，2019，36（1）： 25-30.

ZHOU Huimin， YANG Ming. Face recognition based on monogenic binary patterns and deep learning[J]. Hebei Journal of Industrial Science and Technology，2019，36（1）： 25-30.

[10]许亚军，李玮欣. 基于Gabor小波变换和神经网络的人脸识别研究[J]. 中国电子科学研究院学报，2017，12（5）：534-539.

XU Yajun， LI Weixin. Research on face recognition based on the Gabor wavelet and the neural network[J]. Journal of China Academy of Electronics and Information Technology， 2017，12（5）：534-539.

[11]胡正平，何薇，王蒙，等. Gabor调制的深度多层子空间人脸特征提取算法[J]. 信号处理， 2017，33（3）：338-345.

HU Zhengping， HE Wei， WANG Meng， et al. Face feature extraction algorithm based on deep subspace with Gabor filter modulation[J]. Journal of Signal Processing， 2017，33（3）：338-345.

[12]程軼红. 基于非对称局部梯度编码及多特征融合的人脸表情识别[D]. 合肥：合肥工业大学，2016.

CHENG Yihong. Facial Expression Recognition Based on asymmetric Region Local Gradient Coding and Multi-feature Fusion [D]. Hefei：Hefei University of Technology，2016.

[13]胡敏，程轶红，王晓华，等. 基于非对称局部梯度编码的人脸表情识别[J]. 中国图象图形学报，2015，20（10）：1313-1321.

HU Min， CHENG Yihong， WANG Xiaohua， et al. Facial expression recognition based on asymmetric local gradient coding[J]. Journal of Image and Graphics，2015， 20（10）：1313-1321.

[14]曹林，王东峰，刘小军，等. 基于二维Gabor小波的人脸识别算法[J]. 电子与信息学报，2006，28（3）： 490-494.

CAO Lin， WANG Dongfeng， LIU Xiaojun， et al. Face recognition based on two-dimensional Gabor wavelets[J]. Journal of Electronics and Information Technology，2006，28（3）： 490-494.