基于Gabor特征和字典学习的高斯混合稀疏表示图像识别

• 作者: 方琪 杨福猛 王俊 詹曙
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: Gabor特征 稀疏表示 fisher字典学习 最大似然估计
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 523-528
• 页数: 6页
• 分类号: TP391
• 字数: 5937字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2015.03.017

摘要

为了克服图像识别中光照,姿态等变化带来的识别困难,同时提高稀疏表示图像识别的鲁棒性,本文提出了一种基于Gabor特征和字典学习的高斯混合稀疏表示图像识别算法.高斯混合稀疏表示是基于最大似然估计准则,将稀疏保真度表示为余项的最大似然函数,最终识别问题转化为求解加权范数的优化逼近问题.本文算法首先提取图像的Gabor特征;然后对Gabor特征集进行字典学习,由于在学习过程中引入了Fisher准则作为约束,学习得到具有类别标签的新字典;最后使用高斯混合稀疏表示识别方法进行分类识别.在3个公开数据库(人脸数据库AR库和FERET库以及USPS手写数字库)上的实验结果验证了该算法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹曙	合肥工业大学计算机与信息学院	61	544	13.0	19.0
2	王俊	合肥工业大学计算机与信息学院	20	71	4.0	8.0
3	方琪	合肥工业大学计算机与信息学院	6	80	5.0	6.0
4	杨福猛	三江学院电子信息工程学院	12	69	4.0	8.0