基于多子空間的稀疏表示人臉識別算法.pdf

1、近來，人臉識別作為生物識別重要研究方向已成為科研工作探索熱點(diǎn)之一。然而，實(shí)際環(huán)境采集到的人臉圖像往往有非線性結(jié)構(gòu)及噪聲污染，影響人臉識別魯棒性。本文在國內(nèi)外研究基礎(chǔ)上，針對這些問題圍繞稀疏表示分類做了進(jìn)一步的研究。
　　首先，針對經(jīng)典子模塊利用一致判決模型進(jìn)行分類時(shí)，同等看待各子模塊而忽視其因刻畫不同內(nèi)容導(dǎo)致的數(shù)據(jù)分布差異，提出多子模塊分類器優(yōu)化集成的稀疏表示分類算法。首先對訓(xùn)練集、驗(yàn)證集和測試集進(jìn)行分塊，對驗(yàn)證集每個(gè)子模塊利用三

2、種算法進(jìn)行分類判別，通過比較三種算法對各子模塊的判決效果，找出識別率最高的方法作為測試集對應(yīng)子模塊分類方法，然后對其進(jìn)行分類判決，最后統(tǒng)計(jì)各子模塊判決結(jié)果，得到最終分類。
　　其次，針對大多數(shù)人臉識別算法一般在低維線性子空間中進(jìn)行分類判別，而低維空間往往存在非線性不可分情況，同時(shí)基于全局考慮的識別算法忽略了局部特征。從而影響人臉識別魯棒性問題，提出基于多子空間的核稀疏表示分類算法。首先對人臉圖像進(jìn)行分塊，然后將各子模塊分別映射到核