基于Gabor多通道加权优化与稀疏表征的人脸识别方法.pdfVIP

第 33 卷第 7 期 电 子 与 信 息 学 报 Vol.33No.7 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 金明录 (大连理工大学信息与通信工程学院 大连 116023) 摘 要：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 Sparse Representation Classification, 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，通过进一步考虑不同 Gabor 特征对识别的不同贡献，该文提出了一种加权多通 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：人脸识别；稀疏表征；Gabor 局部特征；字典；分类器融合 中图分类号：TP391.41 文献标识码： A 文章编号：1009-5896(2011)07-1618-07 DOI: 10.3724/SP.J.1146.2010.01280 Face Recognition Based on Gabor Multi-channel Weighted Optimization and Sparse Representation Yang Qing-shan Guo Cheng-an Jin Ming-lu (School of Information and Communication Engineering, Dalian University of Technology, Dalian 116023, China) Abstract: Very recently, the sparse representation theory in pattern recognition arouses widespread concern. In this paper, the sparse representation-based face recognition algorithms are studied. In order to make the representation coefficient vector sparser, a Gabor Sparse Representation Classification (GSRC) algorithm is presented, which uses the Gabor local feature to construct dictionary to enhance the robustness for the external environment changes. GSRC algorithm equally treats all the Gabor features, while in consideration that different