基于加权稀疏近邻表示的人脸识别.PDFVIP

第26卷 第2期 计 算机 技 术 与发 展 Vol.26 No.2 2016年2月 COMPUTERTECHNOLOGY AND DEVELOPMENT Feb. 2016 基于加权稀疏近邻表示的人脸识别 谢文浩,翟素兰 (安徽大学数学科学学院,安徽 合肥 230601) 摘 要:稀疏表示的人脸识别目前受到广泛的关注。 针对现有稀疏近邻表示算法没有考虑不同训练样本对测试样本的重 构权重,同时为了提高基于稀疏近邻表示人脸识别的识别率,文中提出一种加权稀疏近邻表示的人脸识别算法。 首先在 每一类训练样本中寻找与测试样本最近的 个样本,构成这一类新的训练样本;然后在每一类中都进行同样的操作,从而k 构造一个新的训练字典,在求解 范数最小化的稀疏系数时,为每一个新的训练样本对应的稀疏系数赋上一个权值;最后l 1 在新的字典下,根据重构误差最小化来完成识别任务。 在Yale B数据库和ORL数据库上的大量实验结果表明,文中所提 算法与KNN算法和稀疏近邻表示算法相比,取得了较高的识别率,证明了该方法的有效性。 关键词:稀疏表示;特征提取;加权近邻;人脸识别 中图分类号:TP391.4 文献标识码:A 文章编号:1673-629X(2016)02-0022-04 doi:10.3969/j.issn.1673-629X.2016.02.005 Face Recognition Based on Weighted Sparse Neighbor Representation XIE Wen-hao,ZHAI Su-lan (School of Mathematical Sciences,Anhui University,Hefei230601,China) Abstract:Currently,face recognition via sparse representation has gained widespread attention.Since the sparse neighbor representation algorithm without consideringthedifferentweightoftrainingsamplestoreconstructthetestsample,simultaneously,toimprovetherecog- nition rate of face recognition based on sparse neighbor representation,in this paper,a face recognition algorithm of weighted sparse neighbor representation wasproposed.First,in each classof the training samples,ksamplesnearest to thetest samplesare selected,con- structed new training samplesin thisclass.And then do the same operation in each class,so as to construct a new training dictionary, whensolving sparsecoefficient withl norm minimization,a weight isgiven tothe sparsecoefficient of each newtraining sample.Finally