一种基于压缩感知的单样本人脸识别方法.pdfVIP

第 33 卷第6 期 Vol. 33 No.6 佳木斯大学学报(自然科学版) 2015 年 11 月 Joumal of Jiamusi University (Natural Science Edition) Nov. 2015 文章编号:1∞8 -1402(2015)06 -0855 -03 一种基于压缩感知的单样本人脸识别方法① 周建华1 ， 2 (1.湖南警察学院，湖南长沙410138;2. 湖南大学偏息科学与工程学院，湖南长沙41α跑到 摘 要: 针对人脸姿态、光照和表情等各方面原因引起人脸识别率不高的问题，提出了一种基 于单样本特征点形变成冗余样本的压缩传感人脸识别方法.将人脸图像信号进行小波变换得到 系数的稀疏表示，采用高斯随机测量矩阵进行测量得到离散人脸单样本，基于特征点形变人脸三 维模型生成冗余样本，通过稀疏特征点正交匹配追踪非线性重建算法重建冗余圈像进行人脸识 别.仿真实验结果表明，所提出的算法相对于同类算法，时间复杂度较低、精确度较高、鲁棒性较 强，且随复杂环境变化，其优势更明显. 关键词: 压缩感知:稀疏特征:单样本;冗余样本;人脸识别 中固分类号: TN912.34 文献标识码: A 指数级变化趋向于零，则认为该图像信号是广义上 0 引言 的稀疏信号(有时定义为可压缩信号) ，则(1)式经 近年来，压缩感知在图像处理理论与实践方面 压缩观测变换表示为 均匀重大突破，作为一种全新的信号采样理论，采 y= φX (2) 用非线性重建模型以较高质量地重构原始信号，在 式中:φ 称为测量矩阵，大小为 MxN， y 为观测所 压缩感知框架下进行人脸识别能利用信号的稀疏 得向量Mx l ， x 为原信号N x I(M N) ， 但Z 一 结构和不相关性，可以大大提高识别效率. 般不是稀疏的，但在某个变换域·ψ 是稀疏的，即 z 1 人脸图像压缩感知过程 =叨，其中θ为K稀疏的，ψ称为变换矩阵，大小为 N xN， 是信号z 在ψ变换域的稀疏表示，即0 只有 将人脸图像一维化成n 的离散信号x， 记作x( n) ,n E [1 ， 2 ，…，NJ(11. 根据信号表示变换理论， K项非零项.此时y =φ叨，令A = φψ， A 称为cs X 用一组基扩= [吭，吭，…，1/1，. ， …，叽]的线性 信息算子，大小为MxN， 贝ur =AØ. 1/在对拍摄的 组合表示，则 原始人脸图像进行小波变换或小波包变换得到稀 X = 1/1λ1 +吼Å +…ψkKk + …+吼VÅN 2 疏系数按照低频、横向高频、纵向高频和斜向高频 = L 1J飞λp = 1/IÅ (1 ) 分块处理之后，在满足约束等距性RIP 条件下构建 一个与小波正交基线性不相关的观测矩阵 φ， RIP 式中，λp=X，1J飞〉假设人脸图像信号X在某个