基于欠样本混合内变基字典的扩展协同表示算法

协同表示算法对人脸图像具有快速分类的特点,但在单样本或欠样本情况下,对变化复杂的人脸识别率还不够理想,无法满足工程要求.针对该问题,提出一种基于欠样本混合内变基字典的扩展协同表示算法.首先借助在同一环境下采集到的不同人脸的变化过程,提取人脸的变化共同特征并生成内变基,再融合两种及两种以上不同人脸变化的共同特征生成混合内变基,提高内变基的通用性,建立训练样本与测试样本之间变化的稀疏字典.训练样本在字典帮助下近似构建出测试样本的特征人脸,达到扩展训练样本集的目的,再对人脸协同分类.利用AR库、ORL库、Yale库和YaleB库进行识别实验.结果 表明,本文算法能有效提高协同表示算法的识别率,在欠样本情况下识别率提高7.33％～33.17％,在单样本情况下识别率提高6.78％～24.47％.