单样本人脸识别中一种新的图像增强方法

目前有许多处理正面视觉人脸的识别方法,当有充分数量的有代表性的样本时,能取得较好的识别效果。然而当处理单样本识别问题时,现有的许多方法识别率将明显下降或甚至不适用。本文提出一种新的基于奇异值分解的训练图像增强的单样本人脸识别方法。为了从单训练样本中获取更多的信息,训练样本与其受扰动的少数较大的奇异值的重构图组合成新样本。然后进行Fourier变换,将Fourier频谱作为人脸识别特征,ORL人脸库上的实验结果表明了该方法的有效性。