[发明专利]基于稀疏表示的眉毛识别方法

摘要

本发明属于电子信息技术领域，公开了一种基于稀疏表示的眉毛识别方法，包括：采集原始眉毛图像，灰度化后分割出纯眉毛图像，并进行归一化处理；将每幅纯眉毛图像矩阵按行连接并转置成列向量；计算向量均值；计算总体散度矩阵；求出总体散度矩阵C的前m个特征值和特征向量；计算眉毛样本和特征向量的内积；构造眉毛样本的近似向量；输入测试眉毛图像，并对其处理，得到测试眉毛图像的近似向量；计算最优稀疏系数向量；计算测试眉毛和图像的差；确定测试眉毛所属的类别。本发明不仅提高了眉毛的识别率，还增强了图像在被腐蚀以及被污染的情况下识别的鲁棒性。此外，本发明可用于人脸、指纹、虹膜等其他生物特征的识别，可扩展性好。

主权项

1.一种基于稀疏表示的眉毛识别方法，其特征在于包括以下步骤：步骤一，对M（≤5000）个人每人采集p(≥2)幅原始眉毛图像，灰度化后分割出纯眉毛图像，并把它们归一化为相同的大小（一般最小为10×10，最大不超过2000×2000）；步骤二，将每幅纯眉毛图像矩阵按行连接并转置成列向量；步骤三，将所有N个列向量分别记为x₁,x₂,...,x_N，计算向量均值μ，公式为：μ=1NΣi=1Nxi]]>步骤四，计算总体散度矩阵C，公式为：C=1NΣk=1N(xk-μ)(xk-μ)T]]>步骤五，计算总体散度矩阵C的前m个特征值λ₁,λ₂,...,λ_m和相应的单位特征向量u₁,u₂,...,u_m；步骤六，计算x_i和u_j的内积，即；步骤七，构造x_i的近似向量；步骤八，输入测试原始眉毛图像，将其处理为灰度图象，分割出测试纯眉毛图像y，计算y和u_j的内积，即，构造y的近似向量；步骤九，计算最优稀疏系数向量s^*＝(s₁,s₂,...,s_N)^T，公式如下：s*=argmins||s||1subject to||Σi=1Nsix~i-y~||2≤ϵ]]>式中，s＝(s_i1,s_i2,...,s_iN)^T，||·||₁为l₁范数，表示向量各个元素的绝对值和，||·||₂为l₂范数；步骤十，计算测试眉毛和图像的差，i＝1,2,...,M，公式如下：ri(y~)=||y~-Σj=1Nδi(s*,x~j)||2]]>式中，步骤十一，确定测试原始眉毛所属的类别，公式如下：identity(y)=argmin1≤i≤Mri(y~)]]>式中，identity（y）为测试原始眉毛所属的类别，为最小的那个对应的图像类别。