12、基于遗传算法的多源人脸特征融合识别算法解析

基于遗传算法的多源人脸特征融合识别算法解析

1. 图像融合方法对比

在图像融合领域，不同的方法有着不同的效果。与其他方法相比，基于模糊区域特征（FRF）的图像融合方法具有相对完整的目标信息和背景信息。从评估指标来看，其融合结果还能保留更多的边缘信息。以下是不同图像融合方法的结果指标评价：
| 图像融合方法 | EMI | PMI |
| — | — | — |
| 使用 Zhang Z 的方法 | 0.5207 | 1.4870 |
| 使用 Piella G 的方法 | 0.5178 | 1.5969 |
| 基于 FRF 方法 a | 0.5692 | 1.6400 |
| 基于 FRF 方法 b | 0.5835 | 1.6515 |

其中，基于 FRF 方法 a 代表一种基于模糊区域特征的融合方法，基于 FRF 方法 b 代表一种基于联合纹理和梯度特征的多尺度模糊区域融合方法。可以看出，基于 FRF 的方法在 EMI 和 PMI 指标上表现更优。

当原始图像的纹理信息较为丰富时，基于纹理和梯度特征的多尺度变换方法能获得更好的融合效果。

2. 特征级融合算法概述

特征级融合识别是对预处理和特征提取后获得的信息进行综合处理，然后进行分类和识别。常用的特征提取方法有主成分分析（PCA）、线性判别分析（LDA）和独立成分分析（ICA）等。但这些方法应用于红外人脸时，不能充分利用红外人脸提供的细节，效果不理想。

目前，Gabor 小波因具有出色的时频聚集性和良好的方向选择性而被广泛用于特征检测。然而，Gabor 小波的最大带宽局限于一个频率，无法获得具有最佳空