- 一、实验综述
- 二、实验原理
- 1.Gabor特征
- 2.PCA
- 3.线性回归的分类器 - 三、实验步骤
- 1. 预处理
- 2 特征提取
- 3. 预测分类
- 4. 参数调整 - 四、 实验结果
- 实验结果讨论 ：
- 参考文献
- 实验代码
一、实验综述
人脸数据集中，共有16个人，每人至少有五幅图像，要求选取 5 幅图像，其中四幅图作为训练集，剩下一副图作为测试集。要求利用训练集训练模型，从测试集任选一幅图像，能够识别他的身份。
本文思路如下：首先对图像进行预处理，利用最近邻算法重采样规整为 128*128的灰度图像，并对亮度异常的图像进行调整。然后利用Gabor滤波器对灰度图像进行五尺度，八个方向的特征提取。接着利用PCA算法对图像数据进行压缩，选取贡献率前95%的特征向量作为新的基。最后分类算法采取线性回归的分类器，预测测试集中图像所属类别，并得到识别率。为了探讨不同Gabor滤波器的参数对识别结果的影响，选取了多组参数进行参数敏感性分析。