论文研究 基于半耦合稀疏表达的极低分辨率人脸识别.pdf

现有基于学习的人脸超分辨率算法假设高低分辨率特征具有流形一致性（耦合字典学习），然而低分辨率图像的降质过程使得高低分辨率特征产生了“一对多”的映射关系偏差，减少了极低分辨率图像特征的判决信息，降低了超分辨率重建图像的识别率。针对这一问题，引入了半耦合稀疏字典学习模型，松弛高低分辨率流形一致性假设，同时学习稀疏表达字典和稀疏表达系数之间的映射函数，提升高低分辨率判决特征的一致性，在此基础上，引入协同分类模型，实现半耦合特征的高效分类。实验表明：相比于传统稀疏表达分类算法，算法不仅提高了识别率，并且还大幅度降低了时间开销，验证了半耦合稀疏学习字典在人脸识别中的有效性。