[发明专利]基于多核字典学习的彩色人脸识别方法

摘要

本发明公开了一种基于多核字典学习的彩色人脸识别方法，将多核学习技术应用到彩色人脸数据的字典学习和稀疏编码过程中，通过设计核函数选择准则，对彩色人脸图像训练样本集的三个彩色分量分别挑选最优的核映射函数，再对核映射后的三个彩色分量分别学习三个特征提取系数矩阵、结构化字典和相应的稀疏编码，然后使用学习得到的字典对待识别样本的非线性特征进行稀疏编码，并根据重构误差进行分类和识别。本发明识别效果更高，并对图像质量问题具有较好的鲁棒性。

主权项

1.一种基于多核字典学习的彩色人脸识别方法，包括以下步骤：步骤1，获得各彩色分量训练样本集，为每一个彩色分量样本集选择最优的核函数；步骤2，定义目标函数，对目标函数求解，得到每一个彩色分量训练样本集的字典、特征提取系数矩阵和非线性鉴别特征集；步骤3，获得待识别样本，根据上述训练样本特征集，得出待识别样本的非线性特征，使用字典对待识别样本的非线性特征进行稀疏编码，并根据重构误差进行分类和识别；步骤1中按照下面的核函数选择准则为第i个彩色分量样本集(i＝R,G,B)选择最优的核函数式中，和分别表示第i个彩色分量样本集的类间散布和类内散布，定义如下：式中，c表示彩色人脸图像训练样本集中训练样本的类别数，n表示彩色人脸图像训练样本集中所有训练样本的个数，n_p和n_r分别表示彩色人脸图像训练样本集中第p类和第r类训练样本的个数；令X_R∈R^d×n、X_G∈R^d×n、X_B∈R^d×n分别表示彩色人脸图像训练样本集中R、G、B三个彩色分量样本集，d表示彩色分量样本维数，表示X_i中第p类的第q个样本，表示X_i中第p类的第s个样本，表示X_i中第r类的第s个样本；φ_i:R^d→H_i表示一个核映射，它将彩色人脸图像训练样本的第i个彩色分量样本从原始d维的线性空间R^d映射到一个非线性高维核空间H_i，k_i表示核映射φ_i对应的核函数；选择好之后，令表示多核学习中对应核函数的多核组合系数，表示用于非线性鉴别特征提取的核映射后第i个彩色分量样本集φ_i(X_i)的投影变换矩阵，h_i表示高维核空间H_i的维数，m＜min{h_R,h_G,h_B}表示提取的特征数；令表示φ_i(X_i)的非线性鉴别特征，则令得根据核重构理论，核空间Hi(i＝R,G,B)中的投影变换Ui用所有核映射后的训练样本线性表示，即Ui＝φi(Xi)Vi，其中Vi∈Rn×m是一个系数矩阵，则式中K_i∈R^n×n表示X_i的核矩阵，K_i中第p行第q列的元素和分别表示X_i中的第p个和第q个样本。