Gabor特征结合Metaface学习的扩展稀疏表示人脸识别.pdf

第 41 卷第 12 期 光电工程 Vol.41, No.12 2014 年 12 月 Opto-Electronic Engineering Dec, 2014 文章编号：1003-501X(2014)12-0046-07 Gabor 特征结合 Metaface 学习的 扩展稀疏表示人脸识别 詹 曙，王 俊，方 琪，张启祥 ( 合肥工业大学 a. 计算机与信息学院; b. 安全关键工业测控技术教育部工程研究中心，合肥 230009 ) 摘要：为了克服人脸识别中存在的遮挡等闭塞问题，本文提出了 Gabor 特征结合 Metaface 学习的扩展稀疏表示人 脸识别算法(GMFL)。考虑到Gabor 局部特征对光照、表情和姿态等变化的鲁棒性，该算法首先提取图像的 Gabor 特征集；然后对 Gabor 特征集进行 Metaface 字典学习得到具有更强稀疏表示能力的新字典，同时引入 Gabor 闭塞 字典来编码表示图像中的闭塞部分，并与新字典联合构造一组过完备字典基；最后利用过完备字典基求解稀疏系 数重构样本，根据样本与重构样本之间的残差最小原则对人脸图像进行分类识别。在 AR 人脸库和 FERET 数据库 上的实验结果验证了本文算法的可行性和有效性。 关键词：人脸识别；稀疏表示；字典学习；Gabor 特征；闭塞字典 中图分类号：TP391.41 文献标志码：A doi：10.3969/j.issn.1003-501X.2014.12.009 Extended Sparse Representation for Face Recognition Based on Gabor Features and Metaface Learning ZHAN Shu ，WANG Jun ，FANG Qi ，ZHANG Qixiang ( a. School of Computer Information; b. Engineering Research Center of Safety Critical Industrial Measurement and Control Technology, Ministry of Education, Hefei University of Technology , Hefei 230009, China ) Abstract: To overcome the problem of occlusion in face recognition, the method of extended sparse representation for face recognition based on Gabor Features and Metaface Learning (GMFL) is proposed. Considering the robustness of the Gabor feature to the variation of illumination, expressions and gestures, the method extracts Gabor features of images firstly, and then a new dictionary with stronger sparse representation power can be obtained from the Gabor feature sets by Metaface scheme. Meanwhile, the Gabor oc