11、异构人脸图像识别：局部算子、特征提取与数据集应用

异构人脸图像识别：局部算子、特征提取与数据集应用

在异构人脸图像识别领域，研究人员不断探索有效的方法来提高识别性能。本文将介绍多种用于异构人脸图像识别的局部算子、特征提取方法以及相关数据集。

1. 异构人脸图像识别概述

异构人脸图像识别旨在处理不同光谱下的人脸图像，如可见光、近红外（NIR）和短波红外（SWIR）等。传统方法在处理这些异构数据时面临挑战，而局部算子的应用为解决这一问题提供了新的途径。

一些研究采用经典的局部三元模式（LTP）和新的局部自适应三元模式（LATP）算子进行特征提取，还有研究基于LBP和HOG算子，并结合随机采样LDA算法进行降维，用于近红外和彩色图像的跨光谱匹配，结果优于Cognitec的FaceVACS。

2. 异构人脸图像识别系统模块

典型的异构人脸图像识别系统由三个相连的模块组成：预处理模块、特征提取模块和匹配模块。
- 预处理模块 ：实现异构人脸图像的对齐、裁剪和归一化。通过眼睛位置将人脸转换为规范表示，进行几何变换，如旋转、缩放和平移。对齐后的图像裁剪为120×112大小，彩色图像转换为灰度图像，近红外和短波红外图像进行对数变换以提高对比度。
- 特征提取模块 ：提取异构人脸图像的信息表示，重点关注局部算子。以下是几种常见的局部算子：
- Gabor滤波器 ：由Nicolo等人和Chai等人的研究表明，先进行Gabor滤波再使用局部算子编码可以显著提高识别率。滤波器组包含2种不同尺度和8种方向，共产生16个滤波响应。其数学描述如下：
[G(z, h