基于样本-扩展差分模板的联合双稀疏表示人脸识别

摘要：

在人脸识别中,每类数据分别位于由字典形成的高维空间中的多个低维线性子空间,考虑到这一结构信息对识别起到一定支持作用,利用块结构稀疏表示进行人脸识别.针对训练图像不能涵盖测试条件下的人脸变化这个问题,提出基于样本-扩展差分模板的联合双稀疏表示识别算法.它通过构造样本-扩展差分模板来表示训练样本与测试样本之间可能存在的差异,这些类内差异信息可被不同的类别所共享,即任何一类人脸图像的类内差异可表示为其他类别类内差异图像的原子稀疏线性组合.这样识别问题被转换为在训练样本空间和扩展差分模板空间寻找测试样本的块稀疏与原子稀疏的联合双稀疏表示.在AR和Extended Yale B数据库上的实验结果表明,在具有光照、表情变化和遮挡的情况下,本文提出的识别算法具有更好的有效性和鲁棒性.

关键词：人脸识别、稀疏表示、块结构稀疏、联合双稀疏、扩展差分模板

所属期刊栏目：28

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61071199;河北省自然科学基金F2010001297

在线出版日期：2013-03-21（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：1663-1669