基于单演特征和稀疏表示的人脸识别

doi:10.3969/j.issn.1000-565X.2014.08.010

华南理工大学学报（自然科学版） ›› 2014, Vol. 42 ›› Issue (8): 58-63.doi: 10.3969/j.issn.1000-565X.2014.08.010

• 电子、通信与自动控制 • 上一篇下一篇

基于单演特征和稀疏表示的人脸识别

章权兵黄翔徐争元苏娟

安徽大学计算智能与信号处理教育部重点实验室，安徽合肥 230039

收稿日期:2013-12-30 修回日期:2014-04-18 出版日期:2014-08-25 发布日期:2014-07-01
通信作者: 章权兵(1977-)，男，博士，副教授，主要从事计算机视觉与图像处理研究． E-mail:qbzhang@ahu.edu.cn
作者简介:章权兵(1977-)，男，博士，副教授，主要从事计算机视觉与图像处理研究．
基金资助:
国家自然科学基金资助项目( 61201396，61301296，61377006) ; 高等学校博士学科点专项科研基金资助项目( 20113401130001) ; NSFC-广东联合基金资助项目( U1201255)

Face Recognition Based on Monogenic Feature and Sparse Representation

Zhang Quan-bing Huang Xiang Xu Zheng-yuan Su Juan

Key Laboratory of Intelligent Computing and Signal Processing of the Ministry of Education,Anhui University,Hefei 230039,Anhui,China

Received:2013-12-30 Revised:2014-04-18 Online:2014-08-25 Published:2014-07-01
Contact: 章权兵(1977-)，男，博士，副教授，主要从事计算机视觉与图像处理研究． E-mail:qbzhang@ahu.edu.cn
About author:章权兵(1977-)，男，博士，副教授，主要从事计算机视觉与图像处理研究．
Supported by:
国家自然科学基金资助项目( 61201396，61301296，61377006) ; 高等学校博士学科点专项科研基金资助项目( 20113401130001) ; NSFC-广东联合基金资助项目( U1201255)

摘要/Abstract

摘要： 为了使得稀疏表示分类方法具有更好的识别效果，提出了基于单演特征的稀疏表示分类( MSRC) 方法．相对于Gabor 特征，单演特征能够用于提取图像的相位信息，而相位信息对光照不敏感，因此MSRC 方法能提高图像的光照鲁棒性．相对于Gabor 特征的多尺度和多方向，单演特征能够减少特征的处理时间．实验结果表明: 文中所提的方法具有使用价值，识别率和速度方面得到了一定的提升．

关键词: 人脸识别, 稀疏表示, 单演特征, Gabor 特征

Abstract:

In order to promote the recognition effect of the sparse representation classification method,a monogenicfeature-based sparse representation classification ( MSRC) method is proposed.As compared with the Gabor feature,the monogenic feature can be used to extract the image phase information which is not sensitive to light,so theMSRC method can improve the image robustness to light.As compared with the multi-scale and multi-direction ofthe Gabor feature,the monogenic feature can reduce the processing time spent on the feature.Experimental resultsshow the proposed method is applicable with higher recognition rate and speed.

Key words: face recognition, sparse representation, monogenic feature, Gabor feature

中图分类号:

TP391

章权兵黄翔徐争元苏娟. 基于单演特征和稀疏表示的人脸识别[J]. 华南理工大学学报（自然科学版）, 2014, 42(8): 58-63.

Zhang Quan-bing Huang Xiang Xu Zheng-yuan Su Juan. Face Recognition Based on Monogenic Feature and Sparse Representation[J]. Journal of South China University of Technology (Natural Science Edition), 2014, 42(8): 58-63.

[1]	杨春玲郑钊彪李金昊. CVS 中基于块分类的自适应阈值调整组稀疏重构[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 29-37,48.
[2]	刘杰平杨朝煜陈栋杨业长马丽红. 结合系数重用正交匹配追踪的字典学习算法[J]. 华南理工大学学报(自然科学版), 2018, 46(8): 52-56，63.
[3]	张见威林文钊邱隆庆. 基于字典学习和 Fisher 判别稀疏表示的行人重识别方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 55-62.
[4]	徐金成. 对称局部保持的半监督维数约简算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(3): 89-96.
[5]	陈思宝赵令罗斌. 局部保持的稀疏表示字典学习[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 142-146.
[6]	侯跃恩李伟光容爱琼叶国强. 融合背景信息的分块稀疏表示跟踪算法[J]. 华南理工大学学报（自然科学版）, 2013, 41(8): 21-27.
[7]	廖广军曾玮刘屿李致富胡跃明. 基于信息融合的三维人脸识别[J]. 华南理工大学学报（自然科学版）, 2013, 41(11): 16-22.
[8]	侯跃恩李伟光四库曾顺星容爱琼. 基于排名的结构稀疏表示目标跟踪算法[J]. 华南理工大学学报（自然科学版）, 2013, 41(11): 23-29,35.
[9]	施展杜明辉梁亚玲. 基于2DNPP 和Trace 变换的平面内旋转人脸识别[J]. 华南理工大学学报(自然科学版), 2012, 40(8): 46-50.
[10]	刘晓山杜明辉曾春艳金连文. 基于NSCT 和伪Zernike 矩的人脸识别[J]. 华南理工大学学报（自然科学版）, 2011, 39(7): 83-87.
[11]	赵敏谢胜利肖明. 欠定和非完全稀疏的盲源恢复[J]. 华南理工大学学报（自然科学版）, 2010, 38(6): 19-23.
[12]	孙粤辉杜明辉. 基于正交邻域保持投射的DT-CWT 特征人脸识别[J]. 华南理工大学学报（自然科学版）, 2007, 35(9): 45-49.
[13]	马丽红余德聪卢汉清陈志清. 基于特征融合的指纹质量评估算法[J]. 华南理工大学学报（自然科学版）, 2007, 35(5): 20-24.
[14]	唐旭成欧宗瑛苏铁明华顺刚. 基于AdaBoost 和遗传算法的快速人脸定位算法[J]. 华南理工大学学报（自然科学版）, 2007, 35(1): 64-69.
[15]	何家忠杜明辉. 结合小波低频子带的主成分分析方法[J]. 华南理工大学学报（自然科学版）, 2007, 35(1): 44-48.

基于单演特征和稀疏表示的人脸识别

Face Recognition Based on Monogenic Feature and Sparse Representation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价