基于特征优选和字典优化的组稀疏表示表情识别

• 作者: 谢惠华 黎明 王艳 陈昊
• 来源期刊: 模式识别与人工智能
• 关键词: 小样本表情识别 特征优选 最大散度差优化学习 组稀疏表示
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: “视觉目标检测、判别与跟踪”专题|Special Research on Detection,Discrimination and Tracking of Visual Object
• 页码范围: 446-454
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202105007

摘要

针对在小样本人脸表情数据库上识别模型过拟合问题,文中提出基于特征优选和字典优化的组稀疏表示分类方法.首先提出特征优选准则,选择相同类级稀疏模式、不同类内稀疏模式的互补特征构建字典.然后对字典进行最大散度差优化学习,使字典在不失真重构特征的同时具有较高鉴别能力.最后联合优化后的字典进行组稀疏表示分类.在JAFFE、CK+数据库上的实验表明,文中方法对样本减少具有鲁棒性,泛化能力较强,识别精度较优.