| 基于Gabor特征和字典学习的高斯混合稀疏表示图像识别 |
| |
| 引用本文： | 詹曙,王俊,杨福猛,方琪.基于Gabor特征和字典学习的高斯混合稀疏表示图像识别[J].电子学报,2015,43(3):523. |
| |
| 作者姓名： | 詹曙 王俊 杨福猛 方琪 |
| |
| 作者单位： | 1. 合肥工业大学计算机与信息学院,安徽合肥,230009
2. 三江学院电子信息工程学院,江苏南京,210012 |
| |
| 基金项目： | 国家自然科学基金，安徽省科技攻关计划 |
| |
| 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 |
| 收稿时间： | 2013-12-03 |
Gaussian Mixture Sparse Representation for Image Recognition Based on Gabor Features and Dictionary Learning |
| |
| ZHAN Shu,WANG Jun,YANG Fu-meng,FANG Qi.Gaussian Mixture Sparse Representation for Image Recognition Based on Gabor Features and Dictionary Learning[J].Acta Electronica Sinica,2015,43(3):523. |
| |
| Authors: | ZHAN Shu WANG Jun YANG Fu-meng FANG Qi |
| |
| Abstract: | |
| |
| Keywords: | Gabor features sparse representation fisher dictionary learning maximum likelihood estimation |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|
