改进的局部稀疏表示分类算法及其在人脸识别中的应用

摘要：

近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注.原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时.为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法.该方法针对每个测试样本,根据测试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LSRC方法更稳定.在ORL、Yale和AR人脸库上的实验结果表明,该方法的效果优于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

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61373055

在线出版日期：2015-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：48-51,85