中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2015年
1期
39-49
,共11页
稀疏表示%贪婪算法%人脸识别%分类
稀疏錶示%貪婪算法%人臉識彆%分類
희소표시%탐람산법%인검식별%분류
sparse representation%greedy algorithm%face recognition%classifications
目的 随着稀疏表示方法在图像重建问题中的巨大成功,研究人员提出了一种特殊的分类方法,即基于稀疏表示的分类方法.为了加强样本间的协作表示能力以及减弱稀疏分解时的强L1约束,提出了一种在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法.方法 将测试样本表示成训练样本线性组合的方式,并在所有训练样本中通过迭代计算来消除对分类影响较小的类别和单个样本,在系数分解的过程中采用最小误差正交匹配追踪(EcOMP)算法,进而选择出贡献程度大的类别样本并进行分类.结果 在迭代更新样本字典的过程中,强化了真实类别的表示能力,并弱化了分解系数的强L1约束.在所有的实验中,正则化参数λ的取值为0.001,在ORL、FERET和AR 3个人脸数据库上,本文算法的识别率可分别达到97.88％、67.95％和94.50％,进而验证了本文算法的有效性.结论 提出的在稀疏分类框架下的迭代剔除机制和贪婪搜索策略的人脸识别方法,在动态迭代的机制中完成了样本字典的更新,平衡了协作表示和稀疏约束的关系,相比较原始的稀疏分类模型有更好的准确性和稳定性.
目的 隨著稀疏錶示方法在圖像重建問題中的巨大成功,研究人員提齣瞭一種特殊的分類方法,即基于稀疏錶示的分類方法.為瞭加彊樣本間的協作錶示能力以及減弱稀疏分解時的彊L1約束,提齣瞭一種在稀疏分類框架下的迭代剔除機製和貪婪搜索策略的人臉識彆方法.方法 將測試樣本錶示成訓練樣本線性組閤的方式,併在所有訓練樣本中通過迭代計算來消除對分類影響較小的類彆和單箇樣本,在繫數分解的過程中採用最小誤差正交匹配追蹤(EcOMP)算法,進而選擇齣貢獻程度大的類彆樣本併進行分類.結果 在迭代更新樣本字典的過程中,彊化瞭真實類彆的錶示能力,併弱化瞭分解繫數的彊L1約束.在所有的實驗中,正則化參數λ的取值為0.001,在ORL、FERET和AR 3箇人臉數據庫上,本文算法的識彆率可分彆達到97.88％、67.95％和94.50％,進而驗證瞭本文算法的有效性.結論 提齣的在稀疏分類框架下的迭代剔除機製和貪婪搜索策略的人臉識彆方法,在動態迭代的機製中完成瞭樣本字典的更新,平衡瞭協作錶示和稀疏約束的關繫,相比較原始的稀疏分類模型有更好的準確性和穩定性.
목적 수착희소표시방법재도상중건문제중적거대성공,연구인원제출료일충특수적분류방법,즉기우희소표시적분류방법.위료가강양본간적협작표시능력이급감약희소분해시적강L1약속,제출료일충재희소분류광가하적질대척제궤제화탐람수색책략적인검식별방법.방법 장측시양본표시성훈련양본선성조합적방식,병재소유훈련양본중통과질대계산래소제대분류영향교소적유별화단개양본,재계수분해적과정중채용최소오차정교필배추종(EcOMP)산법,진이선택출공헌정도대적유별양본병진행분류.결과 재질대경신양본자전적과정중,강화료진실유별적표시능력,병약화료분해계수적강L1약속.재소유적실험중,정칙화삼수λ적취치위0.001,재ORL、FERET화AR 3개인검수거고상,본문산법적식별솔가분별체도97.88％、67.95％화94.50％,진이험증료본문산법적유효성.결론 제출적재희소분류광가하적질대척제궤제화탐람수색책략적인검식별방법,재동태질대적궤제중완성료양본자전적경신,평형료협작표시화희소약속적관계,상비교원시적희소분류모형유경호적준학성화은정성.
