基于gabor小波与深度信念网络的人脸识别方法

？特征提取与模式分类是人脸识别的两个关键问题。针对人脸识别中的高维和小样本问题，从人脸特征的提取与降维算法入手，提出基于受限玻尔兹曼机(rbm)的二次特征提取及降维算法模型。首先把图像均匀分成若干局部图像块并进行量化，再对图像进行gabor小波变换，通过rbm对得到的gabor人脸特征进行编码，学习数据更本质的特征，从而达到对高维人脸特征降维的目的；并以此为基础提出基于深度信念网络(dbn)的多通道人脸识别算法。在orl、umist和feret人脸库上对不同样本规模和不同分辨率的图像进行实验，识别结果表明，与采用线性降维和浅层网络的方法相比，所提方法取得了较好的学习效率和很好的识别效果。