應(yīng)用于人臉識別的魯棒線性表示模型與算法設(shè)計.pdf

1、人臉識別技術(shù)作為模式識別技術(shù)最有前景的重要分支之一，已經(jīng)引起各大研究群體的廣泛關(guān)注，同時也成為生物識別技術(shù)中最主要的組成部分。人臉識別在過去的幾十年里已經(jīng)取得了巨大的發(fā)展，大量的人臉識別算法中最引人矚目的是基于線性表示的人臉識別算法，因為其算法在解決人臉識別問題時具有較大的優(yōu)勢。但是，基于線性表示的人臉識別算法依然不能完美地解決人臉識別問題，主要是因為其識別精度經(jīng)常會受到各種外界環(huán)境的影響，并且這些問題仍然是目前人臉識別中亟待解決的問題

2、，例如人臉姿勢和表情變化、不同的光照條件、人臉的遮擋和掩飾等。本文提出了兩種應(yīng)用于人臉識別的魯棒線性表示算法模型。
　　本文首先提出了一種基于噪聲建模與線性表示的人臉識別算法，其算法首先對表示噪聲進行建模，然后在迭代循環(huán)過程中不斷減少表示噪聲，同時也可以計算獲得更好的線性表示結(jié)果，最后結(jié)合利用多分類器算法思想進行最后的更精確分類。通常基于線性表示的識別分類方法主要由兩類組成：基于全局的線性表示分類方法和基于局部的線性表示分類方法。

3、為了同時利用線性表示分類算法的全局性特點和局部性特點的優(yōu)勢，本文提出了結(jié)合全局和局部線性表示的分類算法（即本文的第二種算法），來用于魯棒的人臉識別分類。
　　本文提出的兩種算法模型都在多個標(biāo)準人臉數(shù)據(jù)庫上做了大量分類識別實驗，這些庫包括AR、FERET、ORL、GT、CMU PIE及帶有噪聲的人臉數(shù)據(jù)庫。同時，對多個最近提出的優(yōu)異的線性表示分類算法進行了對比試驗。大量的實驗證明，本課題所提出的分類算法模型不僅具備有較高計算效率，而