Сравнительный анализ алгоритмов распознавания лиц …
3
}
}
5-й шаг
: вычисление ковариационной матрицы
Cov
и ее соб-
ственных векторов
v
:
*
T
Cov Dif
Dif
=
.
6-й шаг:
вычисление собственных векторов
u
матрицы разност-
ных изображений
Dif
и вектора их весов
w
:
* ,
* .
u Dif v
w u Dif
=
=
Вектор
w
весов собственных векторов каждого изображения хра-
нится в базе данных. Далее на их основе проводится распознавание.
Каждое входное изображение преобразуется по аналогичному алго-
ритму. Распознавание заключается в вычислении евклидова расстоя-
ния для каждой пары (
wBase
,
wInc
) и выборе среди них минимально-
го. Здесь
wBase
i
— вектор весов собственных векторов
i
-го
изображения из базы данных, а
wInc
— входного изображения.
(
)
(
)
[
]
min ρ
,
,
1;
i
RecogIndex
wBase wInc i
N
=
∈
.
Алгоритм распознавания на основе фильтров Габора.
Фильтр
Габора (рис. 1) — линейный электронный фильтр, импульсная пере-
ходная характеристика которого определяется в виде гармонической
функции, помноженной на гауссиан:
(
)
2 2 2
2
'
γ '
'
, ; λ, θ, ψ, σ, γ exp
cos 2π ψ
λ
2σ
x
y
x
g x y
⎛
⎞
+
⎛
⎞
= −
+ ⎜
⎟
⎜
⎟ ⎝
⎠
⎝
⎠
,
где
x
' =
x
cos
θ
+
y
sin
θ
;
y
' = –
x
sin
θ
+
y
cos
θ
.
В этом уравнении
λ
представляет собой длину волны множителя-
косинуса,
θ
определяет ориентацию нормали параллельных полос
функции Габора в градусах,
ψ
— сдвиг фаз в градусах и
γ
— коэффи-
циент сжатия, характеризующий эллиптичность функции Габора.
Рис. 1.
Примеры фильтров Габора
