基于Gabor多通道加权优化与稀疏表征的人脸识别方法.pdfVIP

Vol.33No.7 第33 卷第7 期 电子与信息学报 2011 年7 月 Journal of Electronics Information Technology Jul. 2011 基于 Gabor 多通道加权优化与稀疏表征的人脸识别方法 杨清山 郭成安. 全明录 (大连理工大学信息与通信工程学院 大连 116023) 摘 要z 稀疏表征理论在模式识别中的应用引起广泛的关注。在用稀疏表征方法研究人脸识别问题中，为了使得表 征系数矢量具有更为显著的稀疏性，该文提出一种 Gabor 稀疏表征分类(Gabor Sp町se Representation CI翩ification， GSRC)算法，该算法利用 Gabor 局部特征构造字典，增强算法对外界环境变化的鲁棒性。 GSRC 算 法对所有的Gabor 特征等同对待，通过进一步考虑不周 Gabor 特征对识别的不同贡献，该文提出了-种加权多通 道 Gabor 稀疏表征分类(WMC-GSRC)算法，该算法通过引入Gabor 多通道模型，提取不同通道的 Gabor 特征分 别构造字典和稀疏表征分类器，在决策级执行分类器的加权融合得到识别结果。通过在ORL， AR 和 FERET 人脸 库上的实验结果验证了该文算法的有效性。 关键词z 人脸识别:稀疏表征; Gabor 局部特征:字典:分类器融合 中固分类号: TP39 1.41 文献标识码: A 文章编号: 1ω9-5896(2011)07-1618卢07 DOI: 10.3724jSP.J.1146.2010刷280 Face Recognition ßased on Gabor Multi-channel Weighted Optimization and Sparse Representation Yang Qing.咄an Guo Cheng-an Jin Ming-lu (Schω1 olInlormation and Communiωtion Engineering, Dalian University 01 Technology, DaZian 116023， αina) Abstract: Very recently,the sp缸se representation theory in pattern recognition 町ouses widespread ωncern. In this paper ,the sp缸se representation-based face r优略目tion algorithms 缸e studied. In order to make the reprωentation coefficient vector sparser, a Gabor Sparse Repr跚ntation CI础ification (GSRC) algorithm is prωented， which 田es the Gabor local feature to construct dictionary to enhance the robustness for the external environment changω. GSRC algorithm equally treats all the Gabor features , while in consideration that different Gabor features distinctively contribute to the face recognit