【技术实现步骤摘要】
本专利技术属于数字图像处理
，涉及数据的分类，可用于人脸识别。
技术介绍
稀疏表示，已成为近年来数字图像处理研究的热点，其思想是指用尽可能简洁的 方式表示图像，即用很少的数据捕获目标图像的的重要信息，这一思想为图像表示提供了 新的理论与方法，具有重要的理论意义。2008年，A. Yang等人提出了一种基于稀疏表示的人脸识别方法，其思想是将人脸 识别看做为一个线性组合的过程，同一个人的人脸图像可以由该人的其他人脸图像很好的 线性表示，即测试样本可以由训练样本线性表示，根据训练样本的标签对测试样本进行分 类。该方法思路新颖，独特，引领了新一轮的基于稀疏表示的分类算法研究。在此基础上， J. Mairal等人提出了一种基于字典学习的稀疏表示分类方法，该方法通过K-SVD算法对训 练样本进行学习，得到不同类别样本的字典，将测试样本在每个字典上稀疏分解，利用稀疏 分解的误差进行识别分类。当训练样本足够多时，该方法可以得到很好的效果，但当训练样 本较少时，该方法所得的结果并不稳定，这主要是由于当训练样本较少时，K-SVD算法每次 学习得到的字典有一定的差异。专利技术...
【技术保护点】
一种利用稀疏表示进行人脸识别的集成方法，包括如下步骤：（１）将所有人脸样本图像分别变换成一个向量，对所有向量进行归一化和随机降维处理，将处理后的向量随机分为测试样本集和训练样本集，定义测试样本集为ｙ，训练样本集为Ａ，其中Ａ＝｛Ａ↑［１］，Ａ↑［２］，ＫＡ↑［Ｎ］｝，Ｎ表示训练样本集的类别数，Ａ↑［ｉ］，ｉ＝１，２，Ｋ，Ｎ表示第ｉ类的训练样本；（２）由旋转森林算法产生Ｋ个旋转矩阵，通过旋转矩阵将训练样本集Ａ＝｛Ａ↑［１］，Ａ↑［２］，ＫＡ↑［Ｎ］｝和测试样本集ｙ映射为Ｋ组新的训练样本集Ａ↓［ｊ］＝｛Ａ↓［ｊ］↑［１］，Ａ↓［ｊ］↑［２］，ＫＡ↓［ｊ］↑［Ｎ］｝，ｊ＝１，２，Ｋ...
【技术特征摘要】
【专利技术属性】
技术研发人员：王爽，焦李成，隋国雷，杨淑媛，侯彪，缑水平，钟桦，霍丽娜，高婷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。