基于稀疏表示和聚類字典學(xué)習(xí)的人臉識別算法研究.pdf

1、人臉識別是模式識別和計算機視覺領(lǐng)域的研究熱點，廣泛應(yīng)用于國防軍事、智能監(jiān)控、公共安全、人機交互等諸多方面。近幾年，基于稀疏表示的分類方法(SRC)由于其所具有的有效性和簡單性獲得了越來越多研究者的關(guān)注，并且被成功應(yīng)用于計算機視覺和圖像處理等問題當(dāng)中。本文分析和總結(jié)了國內(nèi)外對稀疏表示分類方法的相關(guān)研究，提出以下三種對其進行改進的識別算法：
　　1.本文提出基于局部約束組的核稀疏表示分類算法(LG-KSRC)。該算法在原始稀疏表示分類

2、的基礎(chǔ)上加入局部約束項和組稀疏項，使得算法能選擇與測試樣本近鄰并且來自同一類的訓(xùn)練樣本來重構(gòu)測試樣本，更好地保留了數(shù)據(jù)的局部性和組稀疏性。算法還進行了核拓展，解決了樣本線性不可分的問題。
　　2.本文提出基于半局部二進制模式的核稀疏表示分類算法(HLBP-KSRC)。首先綜合核坐標(biāo)下降法和稀疏表示分類方法為一個全新的核稀疏表示分類框架(KCD-SRC)，然后在此框架中采用局部圖像特征和基于半局部二進制模式的漢明距離核函數(shù)，整合后的

3、稀疏表示分類框架對光照、噪聲和遮擋魯棒，并且具有判別性。
　　3.本文提出基于半監(jiān)督競爭聚集的類K-SVD字典學(xué)習(xí)算法(SCA-KSVD)。該算法首先通過聚類方法縮減字典原子數(shù)，構(gòu)造最優(yōu)的字典。然后運用K-SVD算法對優(yōu)化后的字典進行學(xué)習(xí)，使字典具有更好的判別能力和表示能力。
　　本文在三個公共的人臉數(shù)據(jù)庫Extend YaleB、ORL和AR上進行了大量的實驗來驗證所提出算法的有效性，并且對稀疏表示和字典學(xué)習(xí)的經(jīng)典算法進行