基于改進(jìn)的特征表示模型的分類方法及其在人臉識(shí)別中的應(yīng)用.pdf

1、人臉識(shí)別在計(jì)算機(jī)視覺和生物識(shí)別系統(tǒng)中具有非常重要的作用。盡管現(xiàn)有的人臉識(shí)別系統(tǒng)已經(jīng)比較成熟，但還存在著一些會(huì)對(duì)系統(tǒng)的可靠性構(gòu)成威脅的因素。例如，姿態(tài)、光照、面部表情的變化以及遮擋和偽裝，仍然對(duì)人臉識(shí)別問題構(gòu)成挑戰(zhàn)。為了克服這些問題，我們急切地需要開發(fā)新的算法。
　　針對(duì)人臉識(shí)別存在的問題，在基于稀疏表示的分類方法框架下，為了使得人臉識(shí)別模型能夠?qū)Σ煌庹諚l件、嚴(yán)重的表情變化、像素隨機(jī)缺損和連續(xù)區(qū)域被遮擋等問題具有良好的魯棒性，本文

2、提出了三種方法。
　　1、基于協(xié)同表示的分類和正則化最小二乘方法及雙邊濾波方法，提出了一種有效的人臉識(shí)別算法。其中，雙邊濾波是一種有效的圖像去噪方法，能夠較好地提取圖像特征；而協(xié)同表示的分類方法在計(jì)算不同范數(shù)的編碼殘差和表示系數(shù)中有廣泛應(yīng)用。提出的方法可以獲得比單獨(dú)使用協(xié)同表示的分類方法更好的效果。另外，在不同數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，本文提出的方法優(yōu)于其它流行的方法。
　　2、提出了一種改進(jìn)的人臉識(shí)別方法，它包含兩個(gè)階段，首

3、先，在第一階段用魯棒的主成分分析方法對(duì)人臉降維并提取其特征，從而獲得更緊致或更具有魯棒性的基，進(jìn)而作為圖像表示的字典；然后，在第二階段使用了基于稀疏表示的分類方法和特征臉學(xué)習(xí)方法，獲得的特征臉使得1范數(shù)的最小化問題更易于解決，并且得到的特征更具有代表性。在不同人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
　　3、針對(duì)人臉在不同條件下具有較大變化的問題，提出了一種人臉識(shí)別算法。這種算法融合了魯棒的主成分分析方法和松弛的協(xié)同表示方法。在