[发明专利]一种融合双树复小波变换和离散小波变换的人脸识别方法

摘要

本发明公开了一种融合双树复小波变换和离散小波变换的人脸识别方法。其步骤为：采用双树复小波变换和离散小波变换相融合的方法对输入的人脸图像进行特征提取；采用监督局部线性嵌入方法对提取的特征向量X进行降维，将测试人脸图像的特征向量与训练集图像的特征向量进行余弦相似度计算，将输入图像与相似度最高的训练图像归为一类，得到人脸识别结果。本发明采用双树复小波变换和离散小波变换相融合的方法可实现多方向、丰富的人脸特征提取，可以快速的降维，实现准确和高效的人脸识别。

主权项

1.一种融合双树复小波变换和离散小波变换的人脸识别方法，包括如下步骤：(1)对每一幅给定的人脸图像I，进行二维双树复小波变换，得到各尺度子带的复系数矩阵，计算每个子带矩阵复系数的幅度值，将其转化为实数矩阵，即该子带的幅度矩阵；(2)将每一个幅度矩阵按列方向展开，排成一个列向量，用V_u，v表示，其中u∈{1，2，3，4}和v∈{±15°，±45°，±75°}分别代表DT-CWT的尺度参数和方向参数，将各子带对应的列向量进行连接得到人脸特征向量X_D1，其中D1表示DT-CWT特征向量的维数，(3)将给定的人脸图像进行垂直与水平方向的离散小波变换，得到各尺度子带的复系数矩阵，计算每个子带矩阵复系数的幅度值，将其转化为实数矩阵，即该子带的幅度矩阵；每一个幅度矩阵按垂直与水平方向分别展开得到列向量X_D2，其中D2表示DWT特征向量的维数，(4)人脸图像I的特征向量X通过将DT-CWT特征向量X_D1和DWT特征向量X_D2连接起来组成；(5)采用监督局部线性嵌入方法对提取的特征向量X进行降维，将测试人脸图像的特征向量与训练集图像的特征向量进行余弦相似度计算，将输入图像与相似度最高的训练图像归为一类，得到人脸识别结果。