[发明专利]一种图像像素缺失的人脸识别方法

权利要求书

1.一种图像像素缺失的人脸识别方法，其特征在于：包括以下步骤：

步骤S1：对人脸图像数据进行预处理；

步骤S2：结合低秩矩阵填充模型和低秩表示分类模型对待测样本集学习关于训练样本集的表示，同时对训练样本集的缺失项进行填充；

步骤S3：基于最近邻子空间准则对待测样本进行分类，得到待测图像的类标签。

2.根据权利要求1所述的一种图像像素缺失的人脸识别方法，其特征在于：步骤S1具体包括以下步骤：

步骤S11：对采集到的人脸图像进行一致性灰度处理，得到灰度图像矩阵；

步骤S12：将每一个灰度图像矩阵向量化，并对向量化后的图像采用二范数进行标准化处理，以使得将不同的图像向量转换到同一个量纲范围；同时对于有缺失项的人脸图像像素，采用零元素对其进行代替。

3.根据权利要求1所述的一种图像像素缺失的人脸识别方法，其特征在于：步骤S2具体包括以下步骤：

步骤S21：建立低秩矩阵填充模型，如下：

式中，约束P_Ω(X)＝P_Ω(M)表示保持已知观测项不变，在求解上式时只对缺失项数据进行预测；表示一个不完整数据集，它的观测项为{M_ij,(i,j)∈Ω}，Ω表示观测元素在矩阵中的位置；矩阵填充就是恢复或者预测X中的缺失项；P_Ω(·)表示在Ω中的对应的矩阵元素；

步骤S22：建立低秩表示分类模型，如下：

式中，Y＝XZ+E表示对于Y＝[y₁,y₂,...,y_m]∈R^d×m中的每个待测样本y可以被训练样本集线性表示，即Z∈R^n×m是Y关于X的表示系数，β表示调节参数，E表示误差项；

步骤S23：结合步骤S21和步骤S22建立一个基于低秩矩阵填充和低秩表示分类的模型，对矩阵填充的同时学习待测样本表示系数，模型如下：

式中，α表示另一调节参数，因为现实中样本会存在噪声，因此采用L₂₁-norm来约束误差项E。

4.根据权利要求1所述的一种图像像素缺失的人脸识别方法，其特征在于：步骤S3包括以下步骤：

步骤S31：关于待测样本y_j对应的表示系数为z_j，由此计算出测试样本y_j(j＝1,2,...,m)关于每一类训练集的重构样本y_jR＝Xδ_i(Z_j)，(i＝1,2,...,K)，K为样本集的类别数；{δ_i:Rⁿ→Rⁿ}表示对于系数向量z∈Rⁿ，δ_i(z)的非零元素只存在于z中对应第i类的位置；接着求余量度量r_i(y_j)为：

步骤S32：采用下式判别样本y_j所属的类别：

5.一种基于权利要求1-4任一项所述的图像像素缺失的人脸识别方法的系统，其特征在于：包括计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1所述方法的步骤。