基于LC-KSVD字典学习的变化光照下人脸识别方法

为了克服光照强度和方向等变化带来的误差干扰,提出了一种基于标签一致K-SVD(LC-KSVD)字典学习的人脸识别方法。首先对训练样本进行直方图均衡和小波去噪相结合的图像预处理;然后利用主成分分析对图像进行降维及特征提取,构建初始字典;接下来在字典学习过程中引入约束项,得到有判别能力的新字典;进而,计算测试样本在新字典下的稀疏系数,并进行类关联重构;最后根据重构误差,完成分类识别。实验结果验证了改进算法的有效性。

基于协作低秩分层稀疏和LC-KSVD的人脸表情识别

为了降低人脸表情识别对待识别个体的依赖程度,控制识别字典规模,增加识别准确度,提出了一种基于协作低秩和分层稀疏的表情识别字典构建方法。通过协作低秩和分层稀疏表示(C-Hi SLR)有效分离与待识别个体相关部分,保留表情变化部分,并结合标签一致区分字典学习(LC-KSVD)算法,进行相应待训练表情序列的重构识别和对应类别字典的区分程度的优化学习。该方法在CK+数据集上进行验证,识别效果较一般基于稀疏表示模型算法有明显的提升。