局部二值淘汰模式進行人臉圖像協(xié)同表達
大小：1.46 MB 人氣： 2017-11-16 需要積分：0
標簽：圖像(40131)
傳統(tǒng)的協(xié)同表達方法通常會受到樣本數(shù)據(jù)的冗余帶來的不確定性因素的影響。近來，為了獲得更好的識別效果，一些改進方案通過利用更有效的訓練樣本集來提高協(xié)同表達方法的分類性能。在本文中，我們基于局部二值特征（ Local Binarv Pattern，LBP）提出了一種優(yōu)化的協(xié)同表達分類模型。該方法以分塊圖象為基礎獲得訓練樣本的LBP特征，然后以全局圖像為單位，利用淘汰策略獲得了更具鑒別性的LBP特征訓練集，最終利用協(xié)同表達方法進行分類。此方法有兩種優(yōu)勢，其一、利用了LBP特征的旋轉不變性的優(yōu)勢，克服了人臉弱姿態(tài)變化對分類效果的影響；其二、優(yōu)化淘汰策略弱化了冗余樣本對表達方法的消極影響。該方法在兩個常用人臉數(shù)據(jù)庫（ORI，F(xiàn)ERET）上進行了實驗對比，獲得了更好的分類性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%