[发明专利]基于四等分及各成分重构误差最优组合的人脸图像识别方法

说明书

本发明公开了一种基于四等分及各成分重构误差最优组合的人脸图像识别方法。将所有图像划分成互不重叠和大小相等的四部分，通过SRC算法学习测试图像每一部分用训练图像相应部分表示的稀疏系数和重构误差，构建重构误差矩阵。通过图像每一部分的分类准确率计算图像各部分的最优权重，对重构误差采用最优权重线性聚合的方法，为测试图像分类。在基于稀疏编码的图像分类方法基础上，对图像不同成分进行加权线性组合，为判别力较强的部分分配较高的权值，为判别力较弱的部分分配较低的权值，从而使图像的整体判别力得到提升，提高了识别准确度。提出的各成分重构误差的最优组合方法对图像不同部分的稀疏重构误差进行最优组合，提高了人脸识别准确率。

技术领域

本发明涉及一种人脸图像识别方法，尤其涉及一种基于四等分及各成分重构误差最优组合的人脸图像识别方法。

背景技术

图像识别是一项艰巨的任务。由于从互联网或以其他方法可以轻松地获得大量图像，所以图像识别具有巨大的应用前景，成为研究的热点之一。尽管目前已经有许多图像识别方法，但是识别的准确率和高效性仍然是研究的重点。基于稀疏表示的图像分类(SRC，Sparse Representation based Classification)方法成功地将稀疏编码技术用于图像分类，通过基于原子字典的稀疏线性组合来重构高维图像，并且基于测试图像与各个类别对应的重构误差对测试图像进行分类。SRC的成功归功于图像其类别的代表性样本在低维流形上的稀疏表示。许多SRC的扩展方法主要集中在解决稀疏表示中数据的标签信息和局部结构被忽视，以及每一类对应的子词典之间存在一定的关系等问题上。

目前的SRC及其扩展方法有一个共同的缺点，即在进行图像识别时，将图像作为整体考虑，也就是说，对图像的不同部分同等地考虑。实际上，一个图像不同部分所包含的判别信息是完全不同的。例如，在人脸识别中，如果我们把一个人脸图像划分成上下两个大小相同的部分，根据我们的经验，上半部分会比下半部分更具有判别力。因此，在分类中同等考虑不同的图像部分可能没有充分利用图像的判别信息。如何将图像各个部分按照判别能力的大小进行最优组合，实现更有效的分类，成为了一个值得研究的问题。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于四等分及各成分重构误差最优组合的人脸图像识别方法，提高人脸识别的准确率。

本发明的基本思想是：将所有图像划分成互不重叠和大小相等的若干部分，通过SRC算法学习测试图像每一部分用训练图像相应部分表示的稀疏系数和重构误差，构建重构误差矩阵。通过图像每一部分的分类准确率计算图像各部分的最优权重，对重构误差采用最优权重线性聚合的方法，为测试图像分类。

本发明采用如下技术方案：

一种基于各成分重构误差最优组合的人脸图像识别方法，其特征在于包括如下步骤：

步骤一：将已知类别属性但属于L个不同类别的人脸图像训练样本集X和人脸图像测试样本Y以相同的方式，自上而下均匀划分为互不重叠且大小相等的m个部分，划分后，第l类中的每个人脸图像x_li∈X_l(i∈{1,2,…,n_l})分为m部分，每一部分记为x_lij(j∈{1,2,…,m})，其中，X_l表示整个人脸图像训练样本集X中的第l类，n_l表示第l类中的图像数，第l类中所有图像的第j部分组成的集合记为所有L类训练图像的第j部分组成的集合记为X^(j)＝{X_1j,…,X_lj,…,X_Lj}，测试图像的每一部分记为y_j(j∈{1,2,…,m})；