基于全空間逆表示的分類模型及其在人臉識別中的應(yīng)用.pdf

1、人臉識別作為以人臉視覺特征信息進(jìn)行身份識別的一種生物特征識別技術(shù),一直都是識別領(lǐng)域中的研究熱點,在許多領(lǐng)域中都有廣闊的應(yīng)用前景.基于稀疏表示的方法自應(yīng)用到人臉識別領(lǐng)域以來因其良好的性能而受到了研究學(xué)者的推崇.然而,基于稀疏表示的人臉識別算法存在如下問題：對同類中訓(xùn)練樣本數(shù)目的依賴性；忽略了訓(xùn)練樣本與測試樣本之間的互補信息；對訓(xùn)練樣本與測試樣本的比例比較敏感；沒有考慮數(shù)據(jù)之間的結(jié)構(gòu)特征。
　　本研究主要內(nèi)容包括：⑴構(gòu)建了一種帶有稀疏

2、和低秩約束的全空間逆表示分類模型.首先,為了提取隱藏在測試樣本中的信息并充分利用測試樣本與訓(xùn)練樣本之間的互補信息,本文提出了一種新的表示方式----全空間逆表示,這種表示方式將訓(xùn)練樣本和測試樣本聯(lián)合起來作為字典，進(jìn)而對訓(xùn)練樣本進(jìn)行線性表示.為了進(jìn)一步提高模型的表示能力和判別能力,并學(xué)習(xí)數(shù)據(jù)之間的結(jié)構(gòu)信息，對模型添加了低秩約束和稀疏約束.最后,采用改進(jìn)分裂Bregman迭代算法快速求解模型,并給出了收斂性定理和證明。⑵將提出的分類模型應(yīng)用

3、于人臉識別中,在三個公共的人臉圖像庫中進(jìn)行了實驗.針對人臉識別中訓(xùn)練樣本可能不足,而測試樣本相對容易獲取的情況,本論文主要設(shè)計了四個方面的實驗：分析了模型中參數(shù)的變化對分類結(jié)果的影響；討論了所提出的全空間逆表示中樣本間的互補性對識別結(jié)果的影響；對模型和相應(yīng)算法的收斂性進(jìn)行了分析；討論了模型和相應(yīng)算法的魯棒性。值得注意的是,在魯棒性測試部分重點分析了訓(xùn)練樣本和測試樣本數(shù)目變化對不同模型識別結(jié)果的影響.實驗結(jié)果表明本文模型在訓(xùn)練樣本過少以及