[发明专利]基于四等分及各成分重构误差最优组合的人脸图像识别方法

权利要求书

1.一种基于各成分重构误差最优组合的人脸图像识别方法，其特征在于包括如下步骤：

步骤一：将已知类别属性但属于L个不同类别的人脸图像训练样本集X和人脸图像测试样本Y以相同的方式，自上而下均匀划分为互不重叠且大小相等的m个部分，划分后，第l类中的每个人脸图像x_li∈X_l(i∈{1,2,…,n_l})分为m部分，每一部分记为x_lij(j∈{1,2,…,m})，其中，X_l表示整个人脸图像训练样本集X中的第l类，n_l表示第l类中的图像数，第l类中所有图像的第j部分组成的集合记为X_lj＝{x_l1j,…,x_lij,…,x_lnlj}，所有L类训练图像的第j部分组成的集合记为X^(j)＝{X_1j,…,X_lj,…,X_Lj}，测试图像记为y且其每一部分记为y_j(j∈{1,2,…,m})；

步骤二：将所有训练图像的第j部分矢量化后构成字典矩阵，对测试图像的第j部分进行稀疏编码，得到第j部分的稀疏表示系数，记为w_j＝(w_1j；…,w_lj；…；w_Lj)，对j的m个取值分别进行同样的操作，即对测试图像的每一部分，均得到用训练图像相应部分线性表示的稀疏表示系数，其中稀疏表示系数的求解根据如下公式得到：

min||y_j-X^(j)w_j||²+λ||w_j||₁for j∈{1,2,…,m}，其中λ是用于平衡重构误差与稀疏度的参数；

步骤三：计算测试图像y每个部分对应所有类相应部分的稀疏表示的重构误差，对第l类的第j部分的重构误差表示为d_lj＝||y_j-X_ljw_lj||²，其中j∈{1,2,…,m}和l∈{1,2,…,L}，并得到图像y的损失矩阵D(y)，该损失矩阵中第l行第j列元素由d_lj给出，即

步骤四：根据损失矩阵，计算测试图像各个部分重构误差的最优组合值；

步骤五：重构误差的最优组合值最小的类即判断为测试图像的类，即根据如下公式为测试图像y分配预测类标签：

c_l(y)＝argminf_l(p)。

2.如权利要求1所述的人脸图像识别方法，其特征在于：步骤四中测试图像各个部分重构误差的最优组合值的计算方法为：对验证图像采用如上相同的划分块和稀疏编码方式，计算验证图像对训练图像第l类的第j部分的重构误差，对每一部分选取重构误差最小的类作为该部分的分类标签，用每一部分的分类结果与真实的分类结果进行比较，得到用每一部分的分类结果作为图像整体分类结果的分类准确率p_j，并按照如下公式计算测试图像各个部分重构误差的最优组合值：

其中，β是归一化参数，不影响分类结果。

3.如权利要求1或2所述的人脸图像识别方法，其特征在于：取m的值为4，即将人脸图像自上而下划分为面积相等且不重叠的四块。