基于多子空間的稀疏表示人臉識別算法.pdf

1、近來，人臉識別作為生物識別重要研究方向已成為科研工作探索熱點之一。然而，實際環(huán)境采集到的人臉圖像往往有非線性結構及噪聲污染，影響人臉識別魯棒性。本文在國內外研究基礎上，針對這些問題圍繞稀疏表示分類做了進一步的研究。
　　首先，針對經典子模塊利用一致判決模型進行分類時，同等看待各子模塊而忽視其因刻畫不同內容導致的數據分布差異，提出多子模塊分類器優(yōu)化集成的稀疏表示分類算法。首先對訓練集、驗證集和測試集進行分塊，對驗證集每個子模塊利用三

2、種算法進行分類判別，通過比較三種算法對各子模塊的判決效果，找出識別率最高的方法作為測試集對應子模塊分類方法，然后對其進行分類判決，最后統(tǒng)計各子模塊判決結果，得到最終分類。
　　其次，針對大多數人臉識別算法一般在低維線性子空間中進行分類判別，而低維空間往往存在非線性不可分情況，同時基于全局考慮的識別算法忽略了局部特征。從而影響人臉識別魯棒性問題，提出基于多子空間的核稀疏表示分類算法。首先對人臉圖像進行分塊，然后將各子模塊分別映射到核