[发明专利]一种自适应加权局部约束稀疏编码方法

说明书

本发明属于模式识别与医学图像处理技术领域，具体涉及一种自适应加权局部约束稀疏编码方法。解决了单一度量函数很难精准地刻画出样本间的相似性问题。为了充分地探索数据的内部结构，利用自适应加权融合多种度量函数的方式来构建局部约束。同时，将局部约束与稀疏约束相融合，即约束少量且近邻的训练样本进行重构，以达到高效重构的目的。

技术领域

本发明属于模式识别技术领域，具体涉及一种自适应加权局部约束稀疏编码方法。

背景技术

随着科学技术不断发展及进步，当今世界已经进入了一个信息化的时代。在信息化社会中，公民身份的隐性化和社会化成为最主要的特点。因此，在保证公民人身安全不受侵犯的前提下，公民身份的正确性和唯一性的认证已经成为当今信息技术研究领域中的重点与难点课题。目前在绝大多数的情况下，通常采用传统的身份识别技术来进行身份的验证，其中口令和密钥是最容易被盗用及破解的，因此，它们存在一定的安全隐患。为避免隐患的发生，生物特征识别技术应运而生，并成为一个热门的研究领域。

生物特征识别技术一般被称为生物测定学，它主要依据一个人的物理的或是行为的特征对其进行自动的识别。从上述定义，我们可以很容易知道，生物特征识别技术就是利用人体自身所拥有的部分生物特征来进行身份识别及鉴定的一项技术。它们具有很强的稳定性和区分性，因此被用于身份的验证。

人脸识别技术作为生物特征识别领域的一个分支，在生物、人机交互和信息安全等领域中得到了广泛的应用，同时使它成为模式识别和计算机视觉领域中一个非常重要的研究课题。

尽管已有大量研究者提出了各种相关算法来提高人脸识别系统的性能，但它仍然是一个极具有挑战性的问题。这是因为真实环境下拍摄的人脸图像极其容易受到光照、年龄、姿势、面部表情和伪装等影响。而且，遮挡和噪声等因素也会影响人脸识别算法的性能。如果能够在一定的程度上克服这些因素的影响，可以使人脸识别系统更加具有鲁棒性。

目前有多种度量函数被提出并用于度量两个人脸图像间的差异性，但是由于它们是通过不同的假设或设计原则，仅适用于描述特殊类型的数据结构，且易受到各种噪声的影响，在实际人脸识别应用中很难选择最优的测量标准。

发明内容

针对现有技术存在的不足，本发明提出了一种自适应加权局部约束稀疏编码方法，可以将其应用于人脸识别。

本发明技术方案如下：

一种自适应加权局部约束稀疏编码方法，包括以下步骤：

步骤1：给定一个矩阵其中N表示参照图像数目，K为维数，对于一个新的测试图像通过最小化公式(1)来获得它的优化稀疏重构系数w：

其中，β表示平衡参数，公式(1)中的第一项为重构误差项，以确保较好的重构性能；第二项为稀疏约束项，用于约束少量的参照图像对其重构，鉴于非负性与视觉数据生物建模一致性对数据表示的重要性，将非负约束引入到稀疏向量w中，即w≥0；

步骤2：设计一个惩罚项，用于惩罚与测试图像不相似参照图像的重构过程，具体为：

其中，λ为一个平衡参数，M表示为距离度量函数总数目，d^m∈R^N×1(m＝1,…,M)表示为差异性度量向量，d^m表示测试图像y与X中的全部参照图像在第m个距离度量函数下的距离；

步骤3：不同的距离度量函数有相应的加权系数，表示为μ＝[μ₁,μ₂,...,μ_M]，公式(2)中的第一项为多距离度量函数融合项，用于更好地探索图像间的差异性，第二项为约束项，用于约束有且仅有一个d^m被选择，以实现两个图像间相似性的有效度量；