局部二值淘汰模式进行人脸图像协同表达
大小：1.46 MB 人气： 2017-11-16 需要积分：0
标签：图像(39860)
传统的协同表达方法通常会受到样本数据的冗余带来的不确定性因素的影响。近来，为了获得更好的识别效果，一些改进方案通过利用更有效的训练样本集来提高协同表达方法的分类性能。在本文中，我们基于局部二值特征（ Local Binarv Pattern，LBP）提出了一种优化的协同表达分类模型。该方法以分块图象为基础获得训练样本的LBP特征，然后以全局图像为单位，利用淘汰策略获得了更具鉴别性的LBP特征训练集，最终利用协同表达方法进行分类。此方法有两种优势，其一、利用了LBP特征的旋转不变性的优势，克服了人脸弱姿态变化对分类效果的影响；其二、优化淘汰策略弱化了冗余样本对表达方法的消极影响。该方法在两个常用人脸数据库（ORI，FERET）上进行了实验对比，获得了更好的分类性能。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%