基于字典学习和局部约束的稀疏表示人脸识别.docx

          基于字典学习和局部约束的稀疏表示人脸识别                    王威　朱宗玖　陆俊摘要：针对稀疏表示用于人脸识别时，由训练样本构成的原字典包含不利于识别的信息，且对测试样本进行编码时，稀疏表示系数判别性不足的问题，提出了一种基于字典学习的局部约束稀疏表示的人脸图像识别方法该方法首先对原字典，利用Fisher判别的字典学习（FDDL）得到具有字典识别力和编码识别力的结构化字典然后利用学习得到的字典，对测试样本在局部约束下进行稀疏表示（LCSRC），可以得到更多包含判别信息的有效稀疏表示系数，从而提高整体识别性能在ORL和AR数据库的实验结果验证了文中方法的有效性关键词：稀疏表示分类；Fisher判别字典学习；局部约束；人脸识别1概述人脸识别由于其自然性和不易被被测个体察觉的特点，可用于身份认证、远程控制、监管、人机交互等的实用价值，受到了研究者的广泛关注近年来，稀疏表示在图像处理方面取得了较理想的效果，如文献Wright等提出的鲁棒人脸识别稀疏表示分类方法[本文来自于wwW.Zz-nEws.CoM]（SRC）将人脸测试图像表示为训练样本图像的稀疏线性组合，在人脸识别研究中取得了重大的突破。

J.Wang等对于SRC在重构测试样本时，未考虑数据的局部性，提出了图像分类[本文来自于wwW.zz-newS.cOm]的局部约束线性表示（LLC），寻找与测试样本最相似的字典原子，提高了识别的精确度以上基于稀疏理论的分类方法，所使用的字典均为原始字典原字典由于噪声和未确定因素的干扰，不能有效地去表示测试样本此外，原字典中含有冗余的原子最后，训练样本中隐藏的判别信息，不能在分类时得以利用Yang等提出的针对每一个类别学习一个自适应字典的metaface字典学习方法，直接使字典具有判别性由于不同类别的子字典中的原子具有相关性，Ramirez等通过在目标函数中对子字典进行非相干性的约束，提高了字典的判别能力，取得了较好的分类效果Zhang等利用线性分类器的性能，将分类误差加入到目标函数中，并结合字典的表示能力，提出的判别性KSVD使字典的表示系数具有判别性Kong等通过对特殊类子字典引入非相关惩罚项，学习了一个包含特殊类和共同类部分的混合字典Yang等提出的FDDL字典学习方法，在实现重构测试样本的同时，针对每一类学习了一个结构化的字典，并引入Fisher判别准则不仅学习到的字典具有识别能力，字典的表示系数也具有判别性。

由FDDL学习得到的字典，在用于图像分类和人脸识别时取得了较好的识别率，但FDDL未能利用数据的局部性信息在K近邻分類、降维、图像分类等模式识别领域，局部性较稀疏性更为重要，将局部性和稀疏表示方法相结合，能够产生更为有效的稀疏编码系数为使FDDL在用于人脸识别时，能更好地保持测试样本与字典原子的相似性，文中将FDDL与LCSRC相结合，提出了一种基于FDDL字典学习的局部约束稀疏表示（FDDL-LCSRC）方法，并通过实验验证所提方法的有效性2相关理论2.1 FDDL字典学习用稀疏表示方法进行分类时，字典性能的好坏直接影响分类的结果  -全文完-。