基于小波的训练样本增强的单样本人脸识别

目前有许多处理正面人脸的识别方法,当有充分数量的有代表性的训练样本时,能取得较好的识别效果。然而当每个人只有一个训练样本时,这些方法的识别性能则会下降。文章提出了一种基于小波分解低频子带的训练样本增强的方法,为了加强单样本的分类信息,将训练样本与其小波低频子带的重构图组合成为增强样本,然后在训练集的平均频谱图像的奇异值分解的统一特征空间进行识别。在Yale人脸库上的实验结果表明,当训练集中每个人只有一幅人脸图像时,该文提出的方法比统一特征空间奇异值分解方法取得更高的识别率。