原子-分子字典结合的联合扩展加权稀疏表示人脸识别算法

摘要：

针对训练样本字典学习仅包含全局信息、缺乏局部信息的不足,引入与类别相关的原子字典,提出基于原子与分子字典联合扩展的加权稀疏表示人脸识别方法.首先,对各类训练样本进行PCA学习,得到带标记的训练样本基,构造PCA基原子字典,同时将训练样本字典作为分子字典.进而,利用原子字典与分子字典结合得到扩展字典模型.测试时,根据测试样本与扩展字典基之间的距离进行加权得到与当前测试样本关联的重构字典集,最后对测试样本稀疏重构,利用残差进行分类判别.为验证本文方法有效性,分别在AR、Georgia Tech 和CMU PIE人脸数据库上进行实验.

关键词：人脸识别、稀疏表示、主成分分析、字典扩展、样本加权

所属期刊栏目：32

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61071199;河北省自然科学基金F2010001297

在线出版日期：2016-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：801-809