基于稀疏表示的人臉圖像識別方法研究.pdf

1、人臉識別是現(xiàn)代生物信息識別中的一項(xiàng)重要技術(shù),對于給定的人臉圖像,利用已經(jīng)存儲的人臉數(shù)據(jù)庫確認(rèn)該圖像中的一個(gè)或多個(gè)人的身份?，F(xiàn)有的人臉識別方法大多需要進(jìn)行圖像預(yù)處理及復(fù)雜的特征提取,選擇何種特征對識別率影響非常大,并且對遮擋、噪聲等情況缺少魯棒性,這些問題往往使得現(xiàn)有的識別方法在應(yīng)用中受到制約。
　　 不同于傳統(tǒng)的人臉識別算法,稀疏表示由于具有識別率高、魯棒性強(qiáng)等優(yōu)勢受到越來越多研究者的關(guān)注。稀疏表示是壓縮感知中的關(guān)鍵理論,數(shù)據(jù)的

2、稀疏表示,可以從本質(zhì)上降低數(shù)據(jù)處理的成本,提高壓縮效率。稀疏表示用在分類識別上有獨(dú)特的優(yōu)勢,使得特征選擇不再是必要條件。本文所做工作及取得的成果如下:
　　 (1)對壓縮感知、稀疏表示理論進(jìn)行了研究,表明了最稀疏的表示具有自然的判別性,它會選擇最能緊密表示輸入信號的子集,拒絕其他不緊密表示的子集。因此使用稀疏表示進(jìn)行分類是可行的。
　　 (2)將稀疏表示的判別特性應(yīng)用于人臉識別中,使用訓(xùn)練集圖像作為超完備字典,將測試樣本

3、描述為訓(xùn)練集的線性組合,提出了基于稀疏表示的人臉圖像識別方法,并結(jié)合了下采樣、Eigenfaces、Laplacianface、Fisherface、Randomface多種特征提取方法,在擴(kuò)展Yale B及ORL人臉庫上進(jìn)行仿真實(shí)驗(yàn),結(jié)果表明較傳統(tǒng)分類方法獲得了更高的識別率。
　　 (3)對于人臉識別魯棒性的提高做了多方面的改進(jìn)。在原有識別方法基礎(chǔ)上加入了有效性判別,并在原始模型中加入誤差項(xiàng),使其能有效地減少遮擋與噪聲對識別率