58、鲁棒多光谱人脸识别的组合与加权特征

鲁棒多光谱人脸识别的组合与加权特征

在多光谱人脸识别领域，为了实现更高效、准确且鲁棒的识别效果，研究人员提出了多种创新方法。这些方法主要围绕特征提取、融合以及分类等关键环节展开，下面将详细介绍相关内容。

提出的方法

提出的多光谱人脸识别系统主要包含四个关键阶段：
1. 数据库预处理 ：去除图像中对人脸识别无用的背景信息，将图像裁剪为仅包含人脸部分。由于在后续处理中不使用颜色信息，所以还需将裁剪后的图像从彩色空间转换为灰度空间。
2. 特征提取 ：采用两种不同的描述符来提取特征，分别是局部描述符均匀局部二值模式（uLBP）和全局描述符泽尼克矩（ZMs）。
3. 特征融合 ：此阶段旨在将不同光谱的特征信息进行融合，得到包含可见光和热红外信息的单一特征向量。提出了两种融合方法，即特征加权平均法和组合特征向量法。
4. 分类 ：使用著名的一对多多类支持向量机（SVM）分类器，采用线性核函数对输入的特征向量进行分类。

其流程可通过以下 mermaid 流程图表示：

graph LR
    A[数据库预处理] --> B[特征提取]
    B --> C[特征融合]
    C --> D[分类]

数据库预处理

数据库中的图像通常带有背景，这些背景对于人脸识别并无帮助。因此，需要对图像进行裁剪，仅保留人脸部分。同时，由于不使用颜色信息，将