变化字典学习与显著特征提取的单样本人脸识别

针对单样本问题,基于不同的人脸区域在识别过程中的重要性不同这一事实,提出将能显著区分其它类的人脸区域作为提取的显著特征,并视为有较大区分度的块,剩下的区域视为普通块;再根据不同组中每块的稀疏表示重构残差给予不同的权重,以抑制普通块的影响同时保持有区分度的块的作用.为了减小人脸之间未对齐的影响,将每块训练图像对应的8邻域增加到训练集中,以实现样本的扩充;同时提出新的类内变化字典学习方法,学习得到共享的类内变化字典,以减小测试人脸未知变化的影响.文章的方法可以有效减小人脸局部信息缺失造成的影响,使得在AR、Extended Yale B、CMU-PIE人脸库上的表现超过其它单样本识别相关的方法,取得了最好的识别效果.

局部联合结构化稀疏表示的单样本人脸识别

针对单样本问题,基于相同类别的人脸变化信息应有相似的稀疏编码这一事实,提出结构化稀疏变化字典学习方法,以得到较好的共享类内变化字典。同时鉴于同一人脸的所有区域应有相同的类标签,通过训练样本与变化字典按坐标分块联合表示查询人脸区域,然后给稀疏系数引入导致结构化稀疏效果的约束条件,实现对应类别字典的自动选择,从而更好地表示查询人脸。提出的人脸表示方法可以在局部识别方法的优势上整合全局信息,使得在AR、Extended Yale B、CMU-PIE人脸库上的表现超过其他单样本识别相关的方法,取得了较好的识别效果。