一种新的HOG特征人脸图像识别算法研究

针对人脸在非均匀光照下识别率的降低，提出了拉普拉斯滤波和离散余弦变换(DCT)融合梯度方向直方图(HOG)人脸识别算法。首先通过拉普拉斯滤波对人脸图像进行处理，突出其纹理特征，其次进行离散余弦变换(DCT)，有效滤除高频分量，然后利用离散余弦逆变换(IDCT)重建人脸图像，降低其维数，最后通过梯度方向直方图(HOG)算子提取人脸图像固有特征，并利用最近邻方法进行分类识别。实验结果表明，该算法在不同特征维数下的Yale B人脸数据库中识别率高达95％以及课题组自建的维吾尔族人脸数据库中其识别率高达98.5％，优于其他传统算法?具有很强的鲁棒性和实时性。