基于单演特征和稀疏表示人脸识别.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．42NO．8 第42卷第8期 UniversityTechnology Science 2014 2014年8月 (Natural Edition) August 基于单演特征和稀疏表示的人脸识别术 章权兵 黄翔 徐争元 苏娟 (安徽大学计算智能与信号处理教育部重点实验室，安徽合肥230039) 摘要：为了使得稀疏表示分类方法具有更好的识别效果，提出了基于单演特征的稀疏 表示分类(MSRC)方法．相对于Gabor特征，单演特征能够用于提取图像的相位信息，而 相位信息对光照不敏感，因此MSRC方法能提高图像的光照鲁棒性．相对于Gabor特征的 多尺度和多方向，单演特征能够减少特征的处理时间．实验结果表明：文中所提的方法具 有使用价值，识别率和速度方面得到了一定的提升． 关键词：人脸识别；稀疏表示；单演特征；Gabor特征 中图分类号：TP391 虽然人脸识别在最近几十年已经被广泛研究， 的识别率． 但由于受遮挡、姿态变化和光照¨o等影响，其识别 性能依然受到很大的限制．因此在真实情况下提高 仅提取了图像的幅度信息，对于相位信息并没有 人脸识别的鲁棒性仍有必要．由此很多经典的人脸 考虑．另外Gabor变换本身需要在不同尺度和不同 J． 特征提取和分类方法被提出，包括子空间学习的 方向上进行，这提高了计算时间和存储空间¨}13 o“、Fisherface 针对这些问题，文中基于单演信号理论‘14J叫的思 Eigenface o“、Laplacianface一。、基于Ga— bor特征的分类o以及具有机器学习功能的支持向想，将它与稀疏表示进行联合，获得了不错的识别 量机(SVM)。0。等． 效果． 2008年，Wright等。71首次将稀疏表示引入到人 1人脸图像的稀疏表示 脸识别中，提出了基于稀疏表示的分类(SRC)方法． 该方法是将训练样本作为字典，通过z，模最小化技 已知有n幅人脸图像，分为k类，每一类有ni 术得到待识别图像在字典上的稀疏表示系数，并求 幅．对这些图像进行处理(下采样或特征提取等)， 解最小残差来进行识别．它在鲁棒的人脸识别中指 从而获得训练样本．设第i类样本训练集合为Ai= 出了新的方向，但仍然存在一些问题，如要求图像对 [v¨，l，啦，…，v湘，]∈R～“，若此时有一个同类的样 齐、人脸特征为整体特征等．这些都大大降低了识别 本Y∈R“，则它可以由此类中的所有训练样本线性 的鲁棒性．因此后来有一些改进的算法被提出旧_引， 表示，即 Y2 (1) 如Yang等¨1。将Gabor特征引入到SRC中，提出了ai，l’，i，1+Oli,2yi．2+…+Oll,nipi，。。 但在实际中，往往测试样本属于哪一类是未知 基于Gabor特征的稀疏表示分类(GSRC)方法，由于 Gabor特征是从局部区域抽取，对影响图像的一些的，这就需要