针对目前基于韦伯特征的人脸识别算法没有充分利用方向信息且提取信息不充分的问题,提出一种多方向韦伯梯度直方图的人脸识别方法。在原始差分激励的基础上增加邻域像素梯度,提取改进的差分激励和韦伯梯度特征;将改进的差分激励与韦伯方向进行量化并分块提取二维直方图,进而转化为一维直方图特征,将韦伯梯度分块后沿韦伯方向累积提取直方图特征;连接两个特征形成组合特征,并利用最近邻分类器分类。通过在不同人脸库的实验可看出,所提算法具有良好的识别效果,且对光照、表情和部分遮挡变化有较好的稳健性。

考虑人眼对亮度的感知符合韦伯定律的特点, 本文利用log-Gabor滤波器模拟人眼对图像的感知过程, 提出了一种新的log-Gabor韦伯特征, 以便保留不同尺度的符合人眼感知的结构信息。基于此, 还提出了一种应用log-Gabor韦伯特征的图像质量评价方法。首先将待评价失真图像和参考图像从RGB空间转换到YIQ颜色空间, 分离亮度分量和颜色分量。然后利用log-Gabor韦伯特征和梯度特征计算亮度分量失真, 并结合颜色分量的失真, 得到失真图像与参考图像的局部相似度图。最后利用修正的CSF函数, 对局部相似度图进行加权, 得到图像质量评价指标。在LIVE、CSIQ和IVC3个图像库上的实验结果表明, 本文方法与人眼主观感知有很好的一致性, 而且相对于其他方法, 表现更加稳定。本文方法在3个图像库上的加权Spearman秩相关系数(SROCC)为0.949 8, Kendall秩相关系数(KROCC)为0.802 6, Pearson线性相关系数(PLCC)为0.943 8, 相比对比方法有显著的提高。