论文研究基于鉴别性低秩表示及字典学习的鲁棒人脸识别算法.pdf

针对人脸识别中的图像存在噪声等情况，提出基于鉴别性低秩表示及字典学习的算法。使用鉴别性低秩子空间恢复算法（DLRR）获得类别间尽可能独立且干净的训练样本，然后通过引入基于Fisher准则的字典学习（FDDL）方法得到结构化字典，其子字典对对应的类有较好的表示能力，约束编码系数具有较小类内散列度和较大类间散列度。最后对测试样本稀疏线性表示时正确类别的样本贡献更大。在标准人脸数据库上的实验结果表明该算法有较好的性能。