稀疏表示和贪婪搜索的人脸分类

作     者：刘梓 宋晓宁 唐振民 Liu Zi;Song Xiaoning;Tang Zhenmin

作者机构：南京理工大学计算机科学与工程学院南京210094 江南大学物联网学院无锡214122 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2015年第20卷第1期

页      面：39-49页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重点项目(90820306) 国家自然科学基金项目(61100116 61125305) 江苏省自然科学基金项目(BK2011492) 中国博士后科学基金项目(2011M500926) 江苏省博士后科学基金项目(1102063C) 

主　　题：稀疏表示 贪婪算法 人脸识别 分类 

摘      要：目的随着稀疏表示方法在图像重建问题中的巨大成功,研究人员提出了一种特殊的分类方法,即基于稀疏表示的分类方法。为了加强样本间的协作表示能力以及减弱稀疏分解时的强L1约束,提出了一种在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法。方法将测试样本表示成训练样本线性组合的方式,并在所有训练样本中通过迭代计算来消除对分类影响较小的类别和单个样本,在系数分解的过程中采用最小误差正交匹配追踪(Ec OMP)算法,进而选择出贡献程度大的类别样本并进行分类。结果在迭代更新样本字典的过程中,强化了真实类别的表示能力,并弱化了分解系数的强L1约束。在所有的实验中,正则化参数λ的取值为0.001,在ORL、FERET和AR 3个人脸数据库上,本文算法的识别率可分别达到97.88%、67.95%和94.50%,进而验证了本文算法的有效性。结论提出的在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法,在动态迭代的机制中完成了样本字典的更新,平衡了协作表示和稀疏约束的关系,相比较原始的稀疏分类模型有更好的准确性和稳定性。