摘要
针对基于稀疏表示分类方法的训练样本于与类别标签信息提取不足,特别是在训练样本和待测样本都受到噪声污染的情况下将会明显下降及算法复杂度较高的问题,提出以Gabor特征以及加权协同为基础的人脸识别算法;最初需要对人脸图像内所包含的各个尺度以及方向的Gabor特征完成提取,在稀疏表示中引入Gabor特征,将降维后的Gabor特征矩阵作为超完备字典,再用稀疏表示增强加权协同表示得到该字典下的的稀疏表示系数,然后利用增强系数与训练样本的标签矩阵完成对测试样本进行分类识别,从而得到Gabor特征以及加权的协同表示分类方法,在Yale人脸数据库、Extended Yale B和AR人脸数据库上以及在FERET人脸数据库对人脸姿态变化的实验表明新算法具有更好的识别率和较短的计算时间。
学科与关键词
关键词
Gabor特征协同表示人脸识别
- 基于Gabor小波变换的ICA人脸识别算法研究吴延海; 梁文莉微电子学与计算机, 2013, (07): 141-144.
- 基于环形对称Gabor变换和分块PCA的人脸识别王甜甜; 郭太良; 姚剑敏; 周龙沙电视技术, 2013, (15): 173.
- 融合全局和局部特征的人脸识别胡敏; 程天梅; 王晓华Journal of Electronic Measurement and Instrument, 2013, (09): 817-822.
