论文部分内容阅读
为了解决人脸识别中训练样本和测试样本都被随机噪声和遮挡干扰的问题，基于两阶段稀疏表示的鲁棒人脸识别算法被提出。训练样本中的噪声首先通过低秩矩阵恢复方法移除。然后求解在一个扩展L1最小化问题下的第一阶段稀疏表示系数，它们可以成功的消除测试样本中的干扰噪声。最后，在训练样本和测试样本中的噪声都被移除之后，对噪声敏感的特征提取技术可以有效的提高计算成本和识别性能，因此在特征子空间中进行第二阶段的稀疏表示求解，改善最终的识别准确率。在常见人脸识别数据库上的大量实验验证了提出算法的优越性和鲁棒性。