基于稀疏表示的人脸识别研究-计算数学专业论文.docxVIP

摘要人脸识别是生物特征识别中的一项重要技术，也是图像处理，机器学习等领 摘要 人脸识别是生物特征识别中的一项重要技术，也是图像处理，机器学习等领 域的热点研究课题，在公安系统，保险，银行，海关，身份证系统等领域具有广 阔的应用前景。 不同于传统的Eigenface，fisherface算法，2009年Wright等人提出了基于稀 疏表示的人脸识别(Sparse Representation-based Classification，SRC)，由于其对 噪声有较好的鲁棒性，在人脸识别上取得巨大的成功，并将人脸识别引入了一个 新的发展方向。本文主要对稀疏表示的人脸识别进行了研究，论文的主要工作如 下： (1)加权稀疏近邻表示的人脸识别(WSNRC)。在每一类训练样本中寻找 与测试样本最近的k个样本构成此类新的训练字典，然后在求解笆1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；最后在新的 字典下，根据最小的重构误差来完成识别任务。在Yale B数据库和ORL数据库 上的大量实验结果表明，WSNRC与NN算法和稀疏近邻表示(SNRC)算法相 比，取得了较高的识别率，证明了该方法的有效性。 (2)正则化Fisher分析和稀疏表示的人脸识别。首先使用正则化Fisher分 析算法从训练样本中提取出最优投影矩阵，然后将训练样本和测试样本在投影矩 阵下投影获得其低维表示