基于字典學習的稀疏表示人臉魯棒識別方法.pdf

1、人臉識別是計算機視覺和模式識別領(lǐng)域的熱門研究課題之一，具有非常廣泛的應用價值。然而，人臉識別中仍有許多問題亟需解決，例如人臉圖像中存在遮擋、光照、姿態(tài)變化等問題在一定程度上限制了人臉識別技術(shù)的發(fā)展。與傳統(tǒng)的人臉識別技術(shù)不同，基于稀疏表示的人臉識別技術(shù)由于其多方面的優(yōu)越性已成為目前的研究熱點。稀疏表示方法已經(jīng)取得了很好的識別效果和魯棒性，但是依然存在著一些不足需要進一步改進提高，比如目前的稀疏表示算法大部分都基于全局特征，這樣的特征不能很

2、好的克服光照、姿態(tài)和表情等一系列變化的影響;同時稀疏表示算法中字典的性能好壞對于識別效果非常關(guān)鍵，如何選擇和構(gòu)造有效的字典來表示人臉也是近年來研究的重點。
　　因此在基于稀疏表示人臉識別方法的基礎上，本論文開展了進一步的研究工作;論文的主要工作以及創(chuàng)新之處歸納如下:
　　1.研究了人臉識別的主要特征提取方式等，然后在稀疏表示研究基礎上，研究了人臉識別稀疏表示模型。此外，對字典學習的方法進行了研究，期望通過字典學習得到自適應字

3、典，實現(xiàn)對人臉圖像的最佳表示。
　　2.研究一種基于Gabor特征和字典學習的高斯混合稀疏表示圖像識別方法，為了突出字典的表示能力和判別信息，將Fisher判別約束引入字典學習過程從而使字典具有一定的類別鑒別能力。在分類時，采用高斯混合稀疏表示算法，可以將稀疏表示的保真度表示為殘差余項的最大似然函數(shù)，將識別問題轉(zhuǎn)化為引入權(quán)重系數(shù)的范數(shù)近似逼近求解問題。
　　3.針對遮擋和噪聲等閉塞圖像，研究一種Gabor特征結(jié)合Metafa