12、异构人脸识别中局部算子的性能评估与分析

异构人脸识别中局部算子的性能评估与分析

1. 数据集介绍

TINDERS数据集包含48个正面人脸类别，每个类别有可见光、近红外（NIR，980nm）在50m和106m两个距离、短波红外（SWIR）在50m和106m两个距离的图像。在每个距离和光谱下，每个类别有四到五张图像。具体数据情况如下：
- SWIR波段：共有478张分辨率为640×512（png格式）的图像。
- NIR波段：共有489张分辨率为640×512（png格式）的图像。
- 可见光（彩色）图像：分辨率为480×640（jpg格式），在短距离分两次采集，每次采集3张，均为中性表情，共288张。

为确保公平比较，在后续实验中，会将Pre - TINDERS和TINDERS数据集中图像裁剪并归一化为相同大小。

2. 实验设置

2.1 实验目标

分析用于编码异构人脸图像的各种局部算子的性能。实验中，以可见光人脸图像构成图库，NIR和SWIR人脸图像作为探针，将在1.5m、50m和106m采集的NIR和SWIR人脸图像与在1.5m采集的可见光人脸图像进行匹配。

2.2 算子选择

针对SWIR和NIR光谱（短距离和长距离），共采用11种算子（包括单个算子及其组合），具体如下：
1. LBP
2. WLD
3. GLBP
4. HOG
5. Gabor滤波器
6. Gabor滤波器后接应用于幅度图像的LBP（Gabor + LBP）
7. Gabor滤波器后接应用于幅度图像的WLD（Gabor + WLD）
8. Gabor滤