改进标签一致KSVD字典学习的人脸识别算法

摘要：

针对噪声污染、光照变化等复杂环境下人脸图像识别问题,提出一种改进标签一致KSVD字典学习的人脸识别算法.该算法通过改变标签一致KSVD算法的字典更新方式,用主成分分析算法分解误差项,用最大特征值对应的特征向量修改字典原子.通过字典学习过程得到原子与类别标签对应的判别性字典.目标函数综合了重建误差、稀疏编码误差和分类误差.最后,在分类阶段利用学习到的字典和分类器参数对测试样本进行分类.在有光照变化的Ex tend Yale B人脸库、表情变化以及遮挡影响的A R人脸库上分别取得了99.01％ 和97.94％ 的平均识别率.同时,在有噪声存在的情况下,该算法具有较好的鲁棒性.

关键词：人脸识别、标签一致KSVD算法、字典学习、主成分分析

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61861041

在线出版日期：2022-03-29（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：291-297