基于稀疏表示和聚類字典學(xué)習(xí)的人臉識別算法研究.pdf

1、人臉識別是模式識別和計算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，廣泛應(yīng)用于國防軍事、智能監(jiān)控、公共安全、人機(jī)交互等諸多方面。近幾年，基于稀疏表示的分類方法(SRC)由于其所具有的有效性和簡單性獲得了越來越多研究者的關(guān)注，并且被成功應(yīng)用于計算機(jī)視覺和圖像處理等問題當(dāng)中。本文分析和總結(jié)了國內(nèi)外對稀疏表示分類方法的相關(guān)研究，提出以下三種對其進(jìn)行改進(jìn)的識別算法：
　　1.本文提出基于局部約束組的核稀疏表示分類算法(LG-KSRC)。該算法在原始稀疏表示分類

2、的基礎(chǔ)上加入局部約束項和組稀疏項，使得算法能選擇與測試樣本近鄰并且來自同一類的訓(xùn)練樣本來重構(gòu)測試樣本，更好地保留了數(shù)據(jù)的局部性和組稀疏性。算法還進(jìn)行了核拓展，解決了樣本線性不可分的問題。
　　2.本文提出基于半局部二進(jìn)制模式的核稀疏表示分類算法(HLBP-KSRC)。首先綜合核坐標(biāo)下降法和稀疏表示分類方法為一個全新的核稀疏表示分類框架(KCD-SRC)，然后在此框架中采用局部圖像特征和基于半局部二進(jìn)制模式的漢明距離核函數(shù)，整合后的

3、稀疏表示分類框架對光照、噪聲和遮擋魯棒，并且具有判別性。
　　3.本文提出基于半監(jiān)督競爭聚集的類K-SVD字典學(xué)習(xí)算法(SCA-KSVD)。該算法首先通過聚類方法縮減字典原子數(shù)，構(gòu)造最優(yōu)的字典。然后運(yùn)用K-SVD算法對優(yōu)化后的字典進(jìn)行學(xué)習(xí)，使字典具有更好的判別能力和表示能力。
　　本文在三個公共的人臉數(shù)據(jù)庫Extend YaleB、ORL和AR上進(jìn)行了大量的實(shí)驗(yàn)來驗(yàn)證所提出算法的有效性，并且對稀疏表示和字典學(xué)習(xí)的經(jīng)典算法進(jìn)行