[发明专利]基于半耦合判决性字典学习的极低分辨率人脸识别方法及系统

摘要

本发明公开了一种基于半耦合判决性字典学习的极低分辨率人脸识别算法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下两个步骤：S1、构建初始高、低分辨率表达字典；S2、更新初始高、低分辨率表达字典，得到标准矩阵集；测试阶段包括以下三个步骤：S3、获取极低分辨率人脸图像，求出相应的极低分辨率局部表达系数矩阵；S4、得到新的待测试系数矩阵集；S5、根据标准矩阵集和待测试系数矩阵集，得出识别结果。本发明提升了极低分辨率人脸图像的表达能力，提升了对极低分辨率人脸图像的识别率，识别效率高，识别速度较快；另外本方法在极低分辨率人脸图像的重建中也取得了较好的效果。

主权项

1.一种基于半耦合判决性字典学习的极低分辨率人脸识别方法，其特征在于，包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下两个步骤：S1、将训练样本图像分为两部分，对第一部分中的高分辨率人脸图像进行下采样得到对应的低分辨率人脸图像，将该部分的高、低分辨率人脸图像展开成列向量，构建初始高、低分辨率表达字典；S2、对第二部分中的高分辨率人脸图像进行下采样得到对应的低分辨率人脸图像，通过半耦合局部约束表示算法更新初始高、低分辨率表达字典，分步迭代获得稳定的高、低分辨率局部表达系数矩阵和对应的高、低分辨率表达字典；并利用半耦合匹配关系将高分辨率局部表达系数矩阵投影到子空间，得到标准矩阵集；训练阶段完成；测试阶段包括以下三个步骤：S3、将待分类的极低分辨率图像展开为列向量，在低分辨率表达字典上求出相应的极低分辨率局部表达系数矩阵；S4、利用半耦合匹配关系将极低分辨率局部表达系数矩阵投影到子空间，得到新的待测试系数矩阵集；S5、根据步骤S2得到的标准矩阵集作为稀疏字典，结合步骤S4得到的待测试系数矩阵集，根据稀疏表达后的结果误差预测类别，得出识别结果；步骤S2的具体步骤为：S21、获得一对初始的LCR系数Λ_l和Λ_h，其公式为：其中，对于低分辨率最优权值系数矩阵集Λ_l集，给定初始半耦合系数矩阵集W为身份矩阵，表示局部距离矩阵，上述更新求解过程可表示为：该问题为正则化最小二乘问题，令上述问题可以改写为则y＝(A^TA+λ₂M²)^‑1A^Tb；同理可求出高分辨率最优权值系数矩阵集Λ_h；S22、对第二部分高分辨率数据集X_h，下采样得到低分辨率数据集X_l，其中X_l∈R^c×N,c为一张低分辨率图像大小，N表示训练样本个数，t是放大系数，通过迭代过程求出高低分辨率字典矩阵以及半耦合系数矩阵集W；S23、迭代完成后，得到高低分辨率表达字典D_l和D_h，半耦合系数矩阵集W以及高分辨率最优权值系数矩阵集Λ_h。