稀疏混合字典学习的人脸鉴别算法

摘要：

在基于稀疏表示的人脸鉴别方法中,提高鉴别准确率的关键在于增强字典和稀疏编码的辨别性.针对小样本训练情况,本文提出一种新的混合字典学习方法.首先以费舍尔判别准则和拉普拉斯矩阵为约束,利用类别特色字典提取数据类别之间的特殊性,在保留稀疏编码数据相似性的同时减小类内编码离散度,增大类间编码离散度.然后利用类内差异字典提取类别共性,捕捉不同类别的相同特征.最后将类别特色字典与类内差异字典相结合,分为4个实验方案在AR、CMU-PIE、LFW等人脸数据库上进行实验,结果表明该算法在少样本训练条件下可以获得更高识别精度.

关键词：拉普拉斯矩阵、费舍尔判别、混合字典学习、人脸鉴别

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省研究生科研与实践创新计划项目KYCX19_1895

在线出版日期：2020-06-08（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：1098-1105