基于分块加权LBP向量和解析字典的协同表达分类 |
| |
引用本文: | 陈酉明,宋晓宁,於东军.基于分块加权LBP向量和解析字典的协同表达分类[J].南京理工大学学报(自然科学版),2019(2). |
| |
作者姓名: | 陈酉明 宋晓宁 於东军 |
| |
作者单位: | 江南大学物联网工程学院;南京理工大学计算机科学与工程学院 |
| |
摘 要: | 传统协同表达分类(CRC)算法因直接使用原始样本构造非传统字典,容易受到样本维度、光照和姿态变化等因素的影响。该文在协同表达框架基础上,提出了一种新的利用分块加权局部二值特征(LBP)直方图向量构造解析字典的协同表达人脸分类方法。首先通过分块加权方法优化LBP算子提取的纹理特征,然后采用解析字典学习方法将样本数据投影到稀疏系数空间,并使用协同表达方法重构测试样本,完成样本分类。与已有算法相比,该文算法的实验结果较好。ORL和LFW数据库上的实验结果证明了该文方法的有效性。
|
本文献已被 CNKI 等数据库收录! |
|