所属单位：

理学院

发表刊物：

信号处理

关键字：

中文关键字：稀疏表示分类；分块协同表示；总变差加权；多尺度选择性集成，英文关键字：

摘要：

为了进一步改善人脸识别系统在小样本条件下的识别性能，本文在图像分块协同表示分类算法的基础上，提出了一种新的基于多尺度分块协同表示选择性集成的人脸识别算法。该算法首先通过对各个尺度下的图像子块进行总变差加权，突出具有鉴别能力的局部关键特征子块的判别作用；其次通过多尺度分块协同表示的选择性集成，显著地提高了分类器的泛化能力和稳健性。对于三种不同采集条件下涵盖各种光照、表情和姿态变化的标准人脸数据库进行数值实验，实验结果表明新算法比现有的稀疏表示分类算法具有显著的识别性能和鲁棒性。

备注：

殷清燕

第一作者：

岳红云,魏宗田,史加荣,殷清燕

论文类型：

期刊论文

卷号：

卷：32

期号：

期：6

页面范围：

页：707-713

是否译文：

否

发表时间：

2016-06-01