基于特征融合的低秩恢復稀疏表示人臉識別.pdf

1、近些年來，人臉識別因其廣闊的應用前景成為計算機視覺和模式識別領(lǐng)域的重要研究方向之一，隨著壓縮感知編碼理論的提出，基于稀疏編碼模型（SRC）的人臉識別技術(shù)引起眾多研究者的廣泛關(guān)注。在SRC中，測試圖像被編碼為訓練樣本的稀疏線性組合，再通過求解l1范數(shù)最優(yōu)化問題得出其最稀疏解，該方法在實際應用中取得了良好的效果。但是SRC中將單位陣作為誤差字典，對樣本中誤差和噪聲的描述并不準確，因此本文引入低秩恢復算法來分離樣本誤差矩陣，將樣本圖像分解為干

2、凈的低秩矩陣和稀疏的誤差矩陣，使得用于分類識別的圖像信息更加有效。
　　針對人臉面部圖像在受到表情、姿態(tài)、光照以及噪聲污染等多種因素影響的時候，僅采用單一特征進行人臉識別，誤識率較高的問題，本文提出一種基于特征融合的低秩恢復稀疏表示的人臉識別方法。首先采用低秩恢復算法得到訓練樣本和測試樣本的干凈人臉圖像，對這些干凈的人臉圖像進行 LBP、HOG、Gabor三種特征向量的提??；訓練階段，隨機選擇部分訓練樣本進行SRC分類測試，根據(jù)S

3、RC的識別結(jié)果與分類殘差定義一個損失函數(shù)，再利用最小二乘方法計算出能夠使損失函數(shù)最小的權(quán)重向量；識別階段，根據(jù)訓練階段計算出來的權(quán)重向量重新計算測試樣本的最終殘差，得出其最終的識別結(jié)果。在不同的人臉庫上進行廣泛的實驗來評估所提方法的性能，結(jié)果表明，本文方法優(yōu)于僅利用單一特征識別的方法，并且對光照，噪聲，遮擋等是魯棒的。
　　本文的研究工作主要包括以下幾個方面：
　　(1)總結(jié)了人臉識別的背景和研究現(xiàn)狀，介紹了人臉識別方法的分

4、類，總結(jié)了人臉識別中的關(guān)鍵問題；闡述了圖像預處理、特征提取及降維方法的有關(guān)理論問題。
　　(2)概述了基于稀疏表示的人臉識別方法。首先，分析了稀疏表示的有關(guān)理論問題；其次論述了基于稀疏表示的人臉識別算法過程；最后對不同特征維數(shù)的樣本進行了對比試驗。
　　(3)針對稀疏表示模型中利用單位陣作為誤差字典不能很好地描述圖像的噪聲和誤差的問題，采用低秩恢復算法對樣本進行處理，既可以有效地分離出外界環(huán)境因素給樣本帶來的誤差等影響，又可