基于类内变化字典和训练图像的稀疏表示人脸识别方法

摘要

本发明公开了一种基于类内变化字典和训练图像的稀疏表示人脸识别方法，用于解决现有方法在小样本、光照不均、人脸遮挡和表情变化下的局限性问题，提高了人脸识别精度。该方法的实现步骤为：（1）对训练图像集合和测试人脸图像进行图像特征提取，形成训练图像矩阵和测试图像向量，并分别进行归一化处理；（2）从人脸数据库中统计相同人脸在不同外部环境影响下呈现出来的图像纹理差异，形成人脸的类内变化字典；（3）将测试图像表示成为训练图像矩阵和类内变化字典的线性组合，通过L1范数最小化准则求得最优稀疏表示系数；（4）求得原测试图像与由各类别训练图像和类内变化字典重构得到的重构图像的残差，代入类别判定公式得到识别结果。