论文研究基于拓展稀疏表示模型和LCKSVD的人脸识别.pdf

为了提高人脸的识别率和识别速度及其识别的鲁棒性，提出了基于拓展稀疏表示模型和LC-KSVD（LabelConsistK-SVD）的人脸识别算法。针对字典学习中只包含表示能力没有包含类别信息的问题，在原始的稀疏表示模型中添加了残差向量作为系数修正向量，使得拓展稀疏表示模型具有更强的鲁棒性;在字典学习中添加稀疏编码和分类器参数约束项，通过字典学习同时更新稀疏编码和分类器参数，使字典中包含很好的表示能力和判别分类能力。实验结果表明，基于拓展稀疏表示模型和LC-KSVD的人脸识别具有高识别率和低识别速度，并且有很好的鲁棒性。