基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法

摘要：

为了构建一个快速鲁棒的图像识别算法,提出基于类别相关近邻子空间的最大似然稀疏表示图像识别算法.考虑到每个测试样本的不同分布特性及训练样本选择的类别代表性原则,不再将所有训练样本作为稀疏表示的字典,而是基于距离相近准则选择合适子空间,从每个类别中选取自适应数量的局部近邻构成新的字典,在减少训练样本的同时保留了稀疏表示原有的子空间结构.然后基于最大似然稀疏表示识别方法,将稀疏表示的保真度表示为余项的最大似然函数,并将识别问题转化为加权的稀疏优化问题.在公用人脸与数字识别数据库上的实验证明该算法的合理性,提高识别速度的同时保证了识别精度和算法的鲁棒性,特别是对于遮挡与干扰图像具有较好的适应性.

关键词：图像识别、稀疏表示、类别相关子空间、近邻选择、最大似然估计

所属期刊栏目：38

分类号：TP(自动化技术、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;中国博士后自然科学基金20080440124;第二批中国博士后基金200902356

在线出版日期：2012-12-27（万方平台首次上网日期，不代表论文的发表时间）

页码：1420-1427