文献类型：期刊文章

作　　者：詹曙[1] 王俊[1] 杨福猛[2] 方琪[1]

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]三江学院电子信息工程学院,江苏南京210012

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61371156);安徽省科技攻关计划(No.1401B042019)

年　　份：2015

卷　　号：43

期　　号：3

起止页码：523-528

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20152701003288)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为了克服图像识别中光照,姿态等变化带来的识别困难,同时提高稀疏表示图像识别的鲁棒性,本文提出了一种基于Gabor特征和字典学习的高斯混合稀疏表示图像识别算法.高斯混合稀疏表示是基于最大似然估计准则,将稀疏保真度表示为余项的最大似然函数,最终识别问题转化为求解加权范数的优化逼近问题.本文算法首先提取图像的Gabor特征;然后对Gabor特征集进行字典学习,由于在学习过程中引入了Fisher准则作为约束,学习得到具有类别标签的新字典;最后使用高斯混合稀疏表示识别方法进行分类识别.在3个公开数据库(人脸数据库AR库和FERET库以及USPS手写数字库)上的实验结果验证了该算法的有效性和鲁棒性.

关 键 词：GABOR特征 稀疏表示  fisher字典学习  最大似然估计

分 类 号：TP391]