《表2 不同算法提取特征的表征能力的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进的Gabor小波变换特征提取算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/%

实验将三种不同的人脸数据集分别通过本文算法、基于Gabor幅值与相位的特征提取算法、基于Gabor幅值的特征提取算法进行特征提取，并采用相同的主成分分析法对提取的特征进行降维，输入到相同的支持向量机中进行识别分类，计算得到人脸识别率。采用留一交叉验证法，对每种算法进行20次测试，计算20次测试的平均人脸识别率。表2为不同算法提取特征的表征能力的比较。从表2可以看出，本文算法提取的特征具有最好的表征能力，在三种算法中具有最高的人脸识别率。本文算法的特征向量表征能力优于基于Gabor幅值与相位的特征提取算法，主要是因为本文算法考虑了幅值特征的局部关联性，而且本文算法的加权融合特征优于特征的级联融合。基于Gabor幅值与相位的特征提取算法的特征向量表征能力优于基于Gabor幅值的特征提取算法，主要是因为相位特征对于光照的变化具有很好的鲁棒性，所以相位特征的融入使得算法的鲁棒性得到了提升。综上所述，本文算法提取的特征向量的表征能力是优于其他两种算法的。