基于Fisher判別字典的稀疏表示人臉識別研究.pdf

1、稀疏表示理論突破了傳統(tǒng)奈奎斯特采樣定律的限制，是信號處理領(lǐng)域最耀眼的成果之一，由于其出色的分類性能及對噪聲和遮擋的魯棒性而備受關(guān)注，于2009年被成功地應(yīng)用到人臉識別中，為人臉識別的研究提供了新的方法。
　　字典學(xué)習(xí)一直以來是稀疏表示人臉識別領(lǐng)域的重點研究方向之一。學(xué)習(xí)一個高性能的字典，能夠提高人臉識別的準(zhǔn)確性，各種字典學(xué)習(xí)方法被不斷提出。其中，F(xiàn)isher判別字典學(xué)習(xí)將Fisher準(zhǔn)則引入到字典學(xué)習(xí)模型中，學(xué)習(xí)到具有字典識別力和

2、編碼系數(shù)判別性的結(jié)構(gòu)化字典，在該字典上對測試樣本進行稀疏表示分類，顯著提高了人臉識別準(zhǔn)確率。
　　為了進一步提高識別算法的準(zhǔn)確性，本文同時從字典學(xué)習(xí)與提高稀疏編碼系數(shù)的判別性兩方面進行考慮，圍繞基于Fisher判別字典學(xué)習(xí)的方法展開研究，提出了兩種改進方法，本文主要研究工作及創(chuàng)新點如下:
　　(1)提出了基于FDDL的局部約束分組稀疏表示人臉識別方法。為了獲得更具判別性的稀疏表示系數(shù)，首先利用FDDL算法對訓(xùn)練樣本進行學(xué)習(xí)，

3、得到具有判別性的字典和判別性的表示系數(shù)。然后利用學(xué)習(xí)字典對測試樣本進行稀疏表示，并在稀疏編碼過程中施加局部性和分組稀疏性的雙重約束，保留了測試樣本與相近的字典原子之間的局部結(jié)構(gòu)信息，同時又能夠用較少的字典類別對測試樣本進行表示。最后綜合利用訓(xùn)練階段與測試階段的判別性表示系數(shù)，對測試樣本進行分類。在常用人臉庫上的對比實驗驗證了該算法能夠提高人臉識別準(zhǔn)確率。
　　(2)提出了基于FDDL的聯(lián)合稀疏表示人臉識別方法。為了充分挖掘樣本的標(biāo)

4、簽信息，提高編碼系數(shù)的稀疏性和判別性，對測試樣本在學(xué)習(xí)字典上的稀疏編碼過程施加聯(lián)合稀疏約束。首先對測試樣本在每一組子字典上進行稀疏表示，利用表示殘差對測試樣本的類別進行預(yù)測，然后用得到的預(yù)測值對與其相應(yīng)的組別進行加權(quán)約束，該方法可選擇盡可能少且與測試樣本類別較為接近的子字典對其進行表示，能夠顯著提高編碼系數(shù)的判別性;同時結(jié)合整體稀疏方法，保證了所選分組內(nèi)部的稀疏性。最后利用訓(xùn)練階段與測試階段的表示系數(shù)，共同對測試樣本進行分類。在常用人臉