基于Gabor特征和支持向量引导字典学习的人脸识别

• 作者: 吴宏林 周威 张建明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 稀疏编码 稀疏表示 GSVGDL字典学习 Gabor特征 人脸识别
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 177-182
• 页数: 6页
• 分类号: TP391
• 字数: 5929字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1501-0404

摘要

稀疏编码中的字典学习在稀疏表示的图像识别中扮演着重要的作用.由于Gabor特征对表情、光照和姿态等变化具有一定的鲁棒性,提出一种基于Gabor特征和支持向量引导字典学习(GSVGDL)的稀疏表示人脸识别算法.先提取图像的Gabor特征,然后用增广Gabor特征矩阵来构造初始字典.字典学习模型中综合了重构误差项、判别项和正则化项,判别项公式化定义为所有编码向量对平方距离的加权总和;通过字典学习同时得到字典原子与类别标签相对应的结构化字典和线性分类器.该字典学习方法能够自适应地为不同的编码向量对分配不同的权值,提高了字典的判别性能.实验结果表明该方法具有很好的识别精度和较高的识别效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	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
3	周威	长沙理工大学计算机与通信工程学院	9	18	2.0	3.0