共享空间基-逐类剩余空间基混合稀疏表示人脸识别算法

摘要：

针对传统训练样本字典学习未利用类共有信息的不足,引入共享空间和与类别相关的剩余空间,提出了共享空间基-逐类剩余空间基混合稀疏表示人脸识别的算法.该算法首先提取训练样本主成分分析(PCA)特征,获取无标记的共享空间基及其重构样本得到类共有信息;然后结合原始样本得到差分训练集合,并引入类间差异信息构建逐类特异性剩余空间基;最后融合共享空间基和剩余空间基,利用残差判别函数完成模式分类.该方法不仅利用混合空间的正交特性,而且发挥剩余空间的鉴别能力和共享信息稀疏逼近的作用,使结构性字典和模式分类紧密结合.该方法的有效性,分别通过用AR、CMU PIE、Extended Yale B人脸数据库进行的实验得到验证.

关键词：混合字典、共享空间、剩余空间、人脸识别、稀疏表示、逐类剩余空间

所属期刊栏目：27

分类号：TP3;TN9

资助基金：国家自然科学基金61071199;河北省自然科学基金F2016203422

在线出版日期：2017-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：495-505