评估近红外人脸识别系统中的特征提取器与降维方法

摘要： 本研究评估了近红外领域中全局与局部特征提取器及降维方法的性能。采用Zernike矩(ZMs)、独立成分分析(ICA)、Radon变换+离散余弦变换(RDCT)、Radon变换+离散小波变换(RDWT)作为全局特征提取器，使用局部二值模式(LBP)、Gabor小波(GW)、离散小波变换(DWT)和未抽取离散小波变换(UDWT)作为局部特征提取器。通过主成分分析(PCA)、核主成分分析(KPDA)、线性判别分析+主成分分析(Fisherface)、核Fisher判别分析(KFD)和谱回归判别分析(SRDA)进行降维方法评估。在CASIA近红外数据库和PolyU-NIRFD数据库上的实验表明，在存在面部表情、眼镜、头部旋转、图像噪声和错位的情况下，ZMs作为全局特征提取器、UDWT作为局部特征提取器以及SRDA作为降维方法相比其他某些方法具有更优的综合性能。