基于KPCA和投影字典对学习的人脸识别算法

被引：6

作者：

邓道举

李秀梅

机构：

[1] 杭州师范大学信息科学与工程学院

来源：

计算机系统应用 | 2018年 / 27卷 / 05期

基金：

浙江省自然科学基金;

关键词：

投影字典对学习; 核主成分分析; K-DPL;

D O I：

10.15888/j.cnki.csa.006348

中图分类号：

TP391.41 [];

学科分类号：

摘要：

相比基于稀疏约束的字典学习算法和识别方法,投影字典对学习(projective Dictionary Pair Learning,DPL)具有更快的学习速度和更高的识别率.为了进一步提高DPL的识别能力,本文提出了改进DPL算法K-DPL,即将核主成分分析KPCA与DPL相结合的识别方法.在K-DPL算法中,利用核方法,将样本映射到高维空间以解决非线性问题,再进行DPL训练,得到更具判别性的字典.ORL库上实验表明,不同训练比下K-DPL相比DPL识别率至少提高了1.5%且识别速度提高了约20倍.在扩展Yale B和AR库上,K-DPL相比DPL识别率分别提高0.3%和0.4%,且识别速度有所提高,表明K-DPL对光照和遮挡具有较好的鲁棒性.

引用

页码：145 / 150

页数：6

共 8 条

[1]

字典学习模型、算法及其应用研究进展 [J].