融合小波包细节子图及稀疏表示的人脸识别

摘要：

针对现有人脸识别方法在光照变化、表情变化及噪声干扰等情况下识别率下降的问题，本文将主成分分析(PCA)，图像的小波包分解(WPD)和稀疏表示分类(SRC)等算法结合起来进行研究分析，提出了一种融合小波包细节子图及稀疏表示(FW-SRC)的人脸识别方法。该方法首先将图像小波包分解以后的子图像进行加权融合，对融合后的图像进行特征提取并构造特征空间，然后用样本在特征空间上的投影集构造稀疏字典，最后通过对人脸图像的稀疏表示实现分类识别。采用Yale B、AR和CMU PIE人脸库分别进行了光照、表情及噪声鲁棒性的测试，实验结果表明本文方法不仅提高了人脸识别率，而且在光照强度变化、表情变化以及噪声干扰的情况下具有良好的识别性能。

关键词：人脸识别、小波包分解、稀疏表示、FW-SRC、鲁棒性

所属期刊栏目：43

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61271399,61471212；浙江省自然科学基金LY16F010001；浙江省信息与通信工程重中之重学科项目XKXL1306，XKXL1425；宁波市科技创新团队研究计划2011B81002

在线出版日期：2016-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：32-38,50