基于Gabor特征和字典学习的高斯混合 稀疏表示图像识别

QqWw11

摘 要： 为了克服图像识别中光照，姿态等变化带来的识别困难，同时提高稀疏表示图像识别的鲁棒性，本文提 出了一种基于 Ｇａｂｏｒ特征和字典学习的高斯混合稀疏表示图像识别算法．高斯混合稀疏表示是基于最大似然估计准 则，将稀疏保真度表示为余项的最大似然函数，最终识别问题转化为求解加权范数的优化逼近问题．本文算法首先提 取图像的 Ｇａｂｏｒ特征；然后对 Ｇａｂｏｒ特征集进行字典学习，由于在学习过程中引入了 Ｆｉｓｈｅｒ准则作为约束，学习得到具 有类别标签的新字典；最后使用高斯混合稀疏表示识别方法进行分类识别．在 ３个公开数据库（人脸数据库 ＡＲ库和 ＦＥＲＥＴ库以及 ＵＳＰＳ手写数字库）上的实验结果验证了该算法的有效性和鲁棒性． 关键词： Ｇａｂｏｒ特征；稀疏表示；ｆｉｓｈｅｒ字典学习；最大似然估计
% b) Q) ~% ~6 h8 N; ^3 ^8 ~1 ^: [7 r: B
       近年来，图像识别目前已成为计算机视觉和模式识 别领域的热门课题，具有广阔的应用前景．然而，图像识 别仍有许多问题远未得到解决，例如光照，表情和姿态 等变化都在一定程度上限制了该研究的发展，因此如何 处理这些问题是目前该领域研究的关键和难点．
+ t* L: q' b3 I# p附件下载：

游客，如果您要查看本帖隐藏内容请回复

谢谢侬

高斯混合 稀疏表示图像识别