局部二值淘汰模式進行人臉圖像協同表達
大小：1.46 MB 人氣： 2017-11-16 需要積分：0
標簽：圖像(40131)
傳統的協同表達方法通常會受到樣本數據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）提出了一種優化的協同表達分類模型。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，最終利用協同表達方法進行分類。此方法有兩種優勢，其一、利用了LBP特征的旋轉不變性的優勢，克服了人臉弱姿態變化對分類效果的影響；其二、優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據庫（ORI，FERET）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%