非最小平方误差局部-全局加权融合的稀疏表示 - 模式识别与人工智能.pdf

第28 卷摇 第7 期 模式识别与人工智能 Vol.28摇 No.7 2015年7月 PR AI Jul.摇 2015 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 非非最小平方误差局部-全局加权融合的 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 * 摇 摇 摇 摇 摇 稀疏表示遮挡人脸识别 摇 胡正平摇 摇 彭摇 燕摇 摇 赵淑欢 (燕山大学 信息科学与工程学院摇 秦皇岛066004) 摘摇 要摇 考虑到图像遮挡后部分局部信息属性改变,在利用最小残差判决函数分类时,各类残差可能因较接近而 导致分类错误.针对此问题,从分类器判决函数出发,提出基于稀疏系数累积的局部-全局加权融合的稀疏表示遮 挡人脸识别算法.该算法主要利用各类稀疏表示系数累积作为判决函数,使用Borda投票机制进行分类.利用系数 累积进行全局分类,然后对局部各块分类,考虑到子块作用不同,利用稀疏度和残差两个参数表示其可信度权重, 最后将全局和局部融合Borda投票,统计各类投票总数,实现分类.在公用数据库进行实验,结果表明该算法具有较 好的有效性和鲁棒性. 关键词摇 稀疏表示,人脸识别,可信度权重,稀疏系数累积,投票加权 中图法分类号摇 TP391.4 DOI摇 10.16451/ ki.issn1003鄄6059.201507007 Sparse Representation with Weighted Fusion of Local Based Non鄄minimum Square Error and Global for Face Recognition under Occlusion Condition HU Zheng鄄Ping,PENG Yan,ZHAO Shu鄄Huan (School of Information Science and Engineering,Yanshan University,Qinhuangdao066004) ABSTRACT In the occlusion face recognition,some covered parts change the property of local information. It may lead to a wrong classification using the minimum residual as