[发明专利]一种基于图像稀疏表示的鲁棒人脸识别方法

摘要

本发明提供了一种基于图像稀疏表示的鲁棒人脸识别方法，首先对人脸图像进行多方向多尺度Gabor变换，然后将同一方向不同尺度的Gabor特征进行融合得到多方向特征图，再对每个方向的融合特征图提取Gist特征并赋予不同权重，接着将所有方向特征图的加权Gist特征级联构成人脸图像特征向量，最后利用稀疏表示分类实现人脸识别。该方法可以解决光照、姿态、表情等可变因素造成人脸识别系统识别率较低的技术问题，该方法提取的特征表征能力强，以及有更好的人脸分类效果。

主权项

1.一种基于图像稀疏表示的鲁棒人脸识别方法，其特征在于，包括如下步骤：步骤S1，对人脸图像进行灰度和尺度归一化预处理；步骤S2，多方向的Gabor特征图的特征提取，包括如下子步骤，步骤S21，对预处理后的人脸图像进行多方向多尺度的Gabor小波变换，得到不同尺度和方向的Gabor特征；步骤S22，分别对Gabor实部特征和虚部特征进行二进制的编码以及将编码后的特征图进行同一方向不同尺度特征融合，得到多方向融合幅值特征图；步骤S23，对多方向融合幅值特征图进行Gist特征提取及归一化，然后根据不同方向Gist特征贡献不同赋予不同权重，形成人脸图像特征向量；步骤S3，稀疏表示分类识别，包括如下子步骤，步骤S31，对有K个类别的足够多的训练样本，利用步骤S2中提出的特征提取算法进行人脸特征提取，再将所有的训练样本特征向量组成训练样本特征矩阵，并利用PCA产生一个变换矩阵，通过该变换矩阵和训练样本特征矩阵获得稀疏表示的字典；步骤S32，对测试样本利用步骤S2中特征提取算法提取人脸特征向量，利用变换矩阵对其进行特征降维，形成测试样本的人脸特征向量，然后利用步骤S31中得到的稀疏表示的字典线性组合表示测试样本的人脸特征向量，再利用L1范数最小化问题求得稀疏表示系数；步骤S33，计算各类别人脸特征对应的系数与字典重构和测试样本的人脸特征向量的误差；步骤S34，利用最小误差所对应的类别为识别结果。