Gabor特征结合Metaface学习的扩展稀疏表示人脸识别

摘要：

为了克服人脸识别中存在的遮挡等闭塞问题，本文提出了Gabor特征结合Metaface学习的扩展稀疏表示人脸识别算法(GMFL)。考虑到Gabor局部特征对光照、表情和姿态等变化的鲁棒性，该算法首先提取图像的Gabor特征集；然后对Gabor特征集进行Metaface字典学习得到具有更强稀疏表示能力的新字典，同时引入Gabor闭塞字典来编码表示图像中的闭塞部分，并与新字典联合构造一组过完备字典基；最后利用过完备字典基求解稀疏系数重构样本，根据样本与重构样本之间的残差最小原则对人脸图像进行分类识别。在AR人脸库和FERET数据库上的实验结果验证了本文算法的可行性和有效性。

关键词：人脸识别、稀疏表示、字典学习、Gabor特征、闭塞字典

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61371156；安徽省科技攻关计划1401B042019

在线出版日期：2015-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：46-52