多尺度分块协同表示的选择性集成人脸识别算法

摘要：

为了进一步改善人脸识别系统在小样本条件下的识别性能,本文在图像分块协同表示分类算法的基础上,提出了一种新的基于多尺度分块协同表示选择性集成的人脸识别算法.该算法首先通过对各个尺度下的图像子块进行总变差加权,突出具有鉴别能力的局部关键特征子块的判别作用;其次通过多尺度分块协同表示的选择性集成,显著地提高了分类器的泛化能力和稳健性.对于三种不同采集条件下涵盖各种光照、表情和姿态变化的标准人脸数据库进行数值实验,实验结果表明新算法比现有的稀疏表示分类算法具有显著的识别性能和鲁棒性.

关键词：稀疏表示分类、分块协同表示、总变差加权、多尺度选择性集成

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金11526161,11471255,61403298;陕西省自然科学基础研究计划2014JQ8323;西安建筑科技大学科技基金项目RC1438,QN1508

在线出版日期：2016-08-02（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：707-714