[发明专利]一种改进的压缩感知人脸识别方法

摘要

本发明公开了一种改进的压缩感知人脸识别方法，包括步骤1图像预处理；采用累积分布函数对灰度人脸图像进行直方图均衡，然后采用LBP旋转不变均匀模式提取的灰度人脸图像特征矢量，构造LBP特征空间；步骤2在低维LBP特征空间内寻找测试图像的近邻样本；步骤3利用近邻样本自适应的构造出冗余字典，完成测试图像的感知识别。本方法在低维LBP特征空间寻找测试样本的近邻样本，由近邻样本构成完备的冗余字典，字典原子数量大大降低，同时字典原子与测试样本具有更高的结构相似性，因此算法既提高了识别速度，又提高了正确识别率。

主权项

1.一种改进的压缩感知人脸识别方法，其特征在于，构造冗余字典的方法如下：步骤1图像预处理；采用累积分布函数对灰度人脸图像进行直方图均衡，然后采用LBP旋转不变均匀模式提取灰度人脸图像特征矢量，构造LBP特征空间；步骤2在低维LBP特征空间内寻找测试图像的近邻样本；步骤3利用近邻样本自适应的构造出冗余字典，完成测试图像的感知识别；所述步骤2中近邻样本的寻找方法如下：步骤2‑1在LBP特征空间计算测试图像和训练图像的相似度；表示测试图像与训练图像相似性；表示测试图像与第i训练图像的平均相似性；表示测试图像与全部训练图像的平均相似性，其中，i表示第i个人，k_i表示第i个人的k_i幅图像；步骤2‑2比较测试图像与全部训练图像的平均相似性与合法数据相似性阈值ζ_th的大小，若则测试图像为非法数据，拒绝识别；若则再比较测试图像与训练图像相似性与测试图像与第i训练图像的平均相似性若则标记为近邻样本，若则不进行标记，不会作为字典原子；步骤2‑3：对任意输入测试图像y，根据公式计算出其与任意一幅训练图像x_ij的χ²卡方相似性记为ζ_ij＝ζ(y,x_ij)，其中H_y(k)和分别表示测试图像y和任意训练图像x_ij对应的LBP特征图像直方图的第k个bin值，即LBP特征矢量中第k个特征的取值；Q为整数表示矢量长度，k为整数表示特征序号；其中x_ij表示第i个人的第j幅人脸图像；令表示测试图像与第i类样本间的平均卡方相似性，其中，n_i表示属于第i类训练样本的数量，即第i个人共有n_i幅训练图像，若则x_ij被标注为测试样本的近邻。