第４２卷　第８期２０１５年８月计算机科学

ｔｅｒｃｉｅｎｃｅＣｏｍｕ　Ｓｐ

Ｖｏｌ．４２Ｎｏ．８

２０１Ａｕ５ｇ改进的局部稀疏表示分类算法及其在人脸识别中的应用

２

尹贺峰１　吴小俊１　陈素根１，

１２

（））江南大学物联网工程学院　无锡２安庆师范学院数学与计算科学学院　安庆２１２２１３３１４４６　（

，方法在人脸识别中受到越来越多的摘　要　近年来，稀疏表示分类（ｅＲｅｒｅｓｅｎｔａｔｉｏｎＢａｓｅｄＣｌａｓｓｉｆｉｃａｔｉｏｎＳＲＣ）Ｓａｒｓ　　　ｐｐ关注。原始Ｓ当训练样本比较多时，稀疏系数的求解会变得非常耗时。ＲＣ方法使用所有的训练样本组成字典矩阵，方法。该方法针对每个测试样本，根据测试为了解决这一问题，提出一种新的局部稀疏表示分类（ｏｃａｌＳＲＣ，ＬＳＲＣ）Ｌ　样本和训练样本稀疏系数之间的相似性来选择部分训练样本，由这些训练样本组成字典，然后在这个字典上对测试样本进行稀疏分解。该方法性能相比于原始Ｌ该方ＳＲＣ方法更稳定。在ＯＲＬ、Ｙａｌｅ和ＡＲ人脸库上的实验结果表明，法的效果优于ＳＲＣ和ＬＳＲＣ。

关键词　稀疏表示分类，局部稀疏表示分类，稀疏系数，相似性，人脸识别

／中图法分类号　Ｔ９１．４　　　文献标识码　Ａ　　　Ｄ０．１１８９６．ｉｓｓｎ．１００２Ｘ．２０１５．８．０１０ＯＩＰ３１３７　１－ｊ　

ＩｍｒｏｖｅｄＬＳＲＣａｎｄｉｔｓＡｌｉｃａｔｉｏｎｉｎＦａｃｅＲｅｃｏｎｉｔｉｏｎ　　　　　　　ｐｐｐｇ

１１１２

ｕｎｅｎＸｉＹＩＮ　ＨｆｅｎｅａｏＮＳｕ－－　ＣＨＥ－　ｊｇｇ　ＷＵ　

１，，）（ｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓＥｎｉｎｅｅｒｉｎＪｉａｎｎａｎＵｎｉｖｅｒｓｉｔＷｕｘｉ２１４１２２，ＣｈｉｎａＳｃｈ　　　　　　　ｇｇｇｇｙ

２（，，）ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓ＆ＣｏｍｕｔａｔｉｏｎａｌＳｃｉｅｎｃｅＡｎｉｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔＡｎｉｎ２４６１３３，Ｃｈｉｎａ　　　　　ｐｑｇｙｑｇ　　

，

，Ａｂｓｓａｒｓｅｒｅｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ（ＳＲＣ）ｈａｓａｔｔｒａｃｔｅｄｍｕｃｈａｔｔｅｎｔｉｏｎｉｎｆａｃｅｒｅｃｏｎｉｔｉｏｎｔｒａｃｔｅｃｅｎｔｌ　　　　　　　　　　Ｒｐｐｇｙ，ｓａｍｌｅｓｔｈｅｌｏｔｓｏｆｔｒａｉｎｉｎｓａｍｌｅｓ．Ｗｈｅｎｉｖｉｎａｌｌｔｈｅｔｒａｉｎｉｎｄｉｒｅｃｔｌｕｓｉｎｔａｓｋｓ．ＳＲＣｆｏｒｍｓｔｈｅｄｉｃｔｉｏｎａｒｂ　　　　　　　　ｐｐｇｇｇｇｇｙｙｙ　　　　　　　ｓｌｏｗ．Ｔｏａｌｌｅｖｉａｔｅｔｈｉｓｒｏｂｌｅｍ，ａｎｅｗｌｏｃａｌＳＲＣ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｓｅｅｄｏｆｔｈｅｓｕｂｓｅｕｅｎｔｓａｒｓｅｓｏｌｖｅｒｃａｎｂｅｖｅｒ　　　　　　　　　　　　　　　　　ｐｐｑｐｙ　

，ｔｏｔｈｉｓｓｉｍｉｌａｒｓａｍｌｅｓａｎｄｔｅｓｔｓａｍｌｅｓｗａｓｒｅｓｅｎｔｅｄ．Ａｃｃｏｒｄｉｎｔｈｅｓｉｍｉｌａｒｉｔｉｅｓｏｆｓａｒｓｅｃｏｅｆｆｉｃｉｅｎｔｓｏｆｂｏｔｈｔｒａｉｎｉｎ－　　　　　　　　　　　　　ｐｐｐｇｐｇ　　，，ｓａｍｌｅｓａｒｅｓｅｌｅｃｔｅｄｔｏｆｏｒｍｔｈｅｏｖｅｒａｎｄｔｈｅｎｔｈｅｔｅｓｔｓａｍｌｅｉｓｒｔａｉｎｎｕｍｂｅｒｏｆｔｒａｉｎｉｎｅｔｅｄｉｃｔｉｏｎａｒｉｔａｃｅｃｏｍｌ　　　　　　　　　　　　　　　　－ｇｐｙｐｙｐ　

ｔｈｉｓｄｉｃｔｉｏｎａｒ．ＩｎｃｏｎｔｒａｓｔｔｏｏｒｉｉｎａｌＬＳＲＣ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｄｅｃｏｍｏｓｅｄｕｓｉｎｈｏｏｓｅｎｅｉｈｂｏｒｓｏｆｔｅｓｔｓａｍ－ｋＮＮｔｏｃ　　　　　　　　　　　　　　　　ｐｇｙｇｇ　，ｌｅｓｔａｃｈｉｅｖｅｂｅｔｔｅｒｅｒｆｏｒｍａｎｃｅ．ＥｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｂｔａｉｎｅｄｏｎｔｈｅＯＲＬｄａｔａｈｅｒｏｏｓｅｄａｒｏａｃｈｃａｎｓｔｅａｄｉｌ　　　　　　　　　　　　－ｐｐｐｐｐｐｐｙ　

，ｂａｓｅＹａｌｅｄａｔａｂａｓｅａｎｄＡＲｄａｔａｂａｓｅｉｎｄｉｃａｔｅｔｈａｔｔｈｅｒｏｏｓｅｄｍｅｔｈｏｄｉｓｓｕｅｒｉｏｒｔｏｂｏｔｈＳＲＣａｎｄＬＳＲＣ．　　　　　　　　　　　　　　　　ｐｐｐ，，，，Ｋｅｗｏｒｄｓａｒｓｅｒｅｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ（ＳＲＣ）ＬｏｃａｌＳＲＣ（ＬＳＲＣ）ＳａｒｓｅｃｏｅｆｆｉｃｉｅｎｔｓＳｉｍｉｌａｒｉｔＦａｃｅ　Ｓ　　　　　ｐｐｐｙｙｒｅｃｏｎｉｔｉｏｎｇ　

鲁棒性。随后又有很多改进的ＳＲＣ方法被提出以提高其性能和鲁棒性，并被应用到其它模式识别问题中。

然而原始的ＳＲＣ算法直接使用所有的训练样本组成字当训练样本数目比较多时，字典的规模比较大，这 …… 此处隐藏：855字，全部文档内容请下载后查看。喜欢就下载吧 ……