用于人脸识别的改进MKD-SRC方法

稀疏表示是近年来图像处理、模式识别及计算机视觉领域中的一个研究热点,广泛应用在图像压缩、图像去噪及修复、目标检测、物体识别等各个方向.在人脸识别的应用背景下,一种基于局部特征的多任务稀疏表示分类方法,即基于多任务多关键点特征描述子(multi-keypoint descriptors,MKD)的稀疏识别(MKD-SRC)方法虽具有良好的旋转、尺度不变性,但计算复杂度较高,且对光照的鲁棒性并不理想.本文就此问题分析了MKD-SRC方法的原理和前提,提出基于线性子空间和极大似然概率的改进方法,并在公开人脸数据库上对方法的性能进行了测试.实验结果表明,改进的MKD-SRC方法在计算效率以及对大块噪声污染和光照不均匀的鲁棒性这两个方面取得了良好的效果.