基于拓展稀疏表示模型和LC-KSVD的人脸识别

• 作者: 何双双 吴宏林 张建明 李艺敏 熊兵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 稀疏表示 字典学习 人脸识别 LC-KSVD算法
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 图形图像处理
• 页码范围: 206-211
• 页数: 6页
• 分类号: TP391.4
• 字数: 6127字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1408-0120

摘要

为了提高人脸的识别率和识别速度及其识别的鲁棒性,提出了基于拓展稀疏表示模型和LC-KSVD(Label Consist K-SVD)的人脸识别算法.针对字典学习中只包含表示能力没有包含类别信息的问题,在原始的稀疏表示模型中添加了残差向量作为系数修正向量,使得拓展稀疏表示模型具有更强的鲁棒性;在字典学习中添加稀疏编码和分类器参数约束项,通过字典学习同时更新稀疏编码和分类器参数,使字典中包含很好的表示能力和判别分类能力.实验结果表明,基于拓展稀疏表示模型和LC-KSVD的人脸识别具有高识别率和低识别速度,并且有很好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊兵	长沙理工大学计算机与通信工程学院	35	162	8.0	10.0
2	张建明	长沙理工大学计算机与通信工程学院	25	87	6.0	7.0
3	吴宏林	长沙理工大学计算机与通信工程学院	17	60	5.0	6.0
4	何双双	长沙理工大学计算机与通信工程学院	3	15	2.0	3.0
5	李艺敏	长沙理工大学计算机与通信工程学院	2	7	1.0	2.0