一种新的模糊稀疏表示人脸识别算法

被引：8

作者：

李懿 ^{[1
,2
]}

刘晓东 ^{[1
]}

机构：

[1] 大连理工大学电子信息与电气工程学部控制科学与工程学院

[2] 黑龙江科技大学计算机与信息工程学院

来源：

大连理工大学学报 | 2017年 / 57卷 / 02期

关键词：

人脸识别; 模式识别; 相似度; 模糊隶属度; 稀疏表示; 最近邻分类器;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

稀疏表示人脸识别算法的主要思想是:一个未知的测试图像可以近似表示为所有与其隶属同类的训练样本的一个线性组合.然而,人脸之间存在着极大的相似性,同时易受到外部环境的影响,人脸分类的本身存在着一定的不确定性.针对这种不确定性,结合模糊集合理论,提出了一种新的模糊稀疏表示人脸识别算法.首先,引入一个非线性函数描述人脸的相似性程度.然后,基于该相似性度量以及最近邻分类器思想,定义一个自适应的模糊隶属度函数来分配人脸对类的隶属程度.而这一过程恰使得这些隶属度是稀疏化的.最后,将稀疏化的模糊隶属度作为训练样本表示测试样本的权值系数,进而重构测试图像.采用MATLAB在ORL和Yale人脸数据库上进行仿真实验,验证了该算法的有效性和稳定性.

引用

页码：189 / 194

页数：6

共 8 条

[1] A Kernel-based sparse representation method for face recognition [J].

Ningbo Zhu ;

Shengtao Li .

Neural Computing and Applications, 2014, 24 :845-852

[2] Face recognition using fuzzy maximum scatter discriminant analysis [J].

Jianguo Wang ;

Wankou Yang ;

Jingyu Yang .

Neural Computing and Applications, 2013, 23 :957-964

[3] A simple and fast representation-based face recognition method [J].

Yong Xu ;

Qi Zhu .

Neural Computing and Applications, 2013, 22 :1543-1549

[4] Robust kernel principal component analysis and classification [J].

Michiel Debruyne ;

Tim Verdonck .

Advances in Data Analysis and Classification, 2010, 4 :151-167

[5]

A fast kernel-based nonlinear discriminant analysis for multi-class problems[J] . Yong Xu,David Zhang,Zhong Jin,Miao Li,Jing-Yu Yang.Pattern Recognition . 2005 (6)

[6] Face recognition using a fuzzy fisherface classifier [J].

Kwak, KC ;

Pedrycz, W .

PATTERN RECOGNITION, 2005, 38 (10) :1717-1732

[7] EIGENFACES FOR RECOGNITION [J].

TURK, M ;

PENTLAND, A .

JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) :71-86

[8]

Towards a practical face recognition system: robust registration and illumination by sparse representation .2 Andrew Wagner,John Wright,Arvind Ganesh,and so on. IEEE Conference on Computer Vision and Pattern Recognition . 2009

← 1 →