重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (2): 120-126.doi: 10.3969/j.issn.1674-8425(z).2020.02.017
吉朝明１，宋铁成２
摘要： 针对稀疏表示分类（ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ，ＳＲＣ）算法在噪声、遮挡 或者光照变化等情况下面部图像识别率较差的问题，对 ＳＲＣ模型进行算法优化，将 Ｌ１损失函 数替代 Ｌ２损失函数用以求解稀疏解，并且采用 Ｌ１范数和 Ｌ２范数对 Ｌ１损失函数最小化问题进 行正则化。在 ３个具有挑战性的人脸数据集中挑选不同的光照、表情和遮挡条件时的人脸图 像，并适当地加入噪声，分析在不同数据条件下 ＳＲＣ优化模型的性能，进而研究正则化参数在 数据样本与稀疏性之间的修正关系。实验结果表明：所提出的两种 ＳＲＣ优化模型在不同的数 据库和样本间具有不一样的性能，Ｌ１损失函数与 Ｌ１正则化的组合在噪声条件时表现突出，Ｌ１ 损失函数与 Ｌ２正则化的组合在遮挡条件下具有更高的鲁棒性。
中图分类号:
主管单位：重庆市教育委员会