论文部分内容阅读
协同表示算法在人脸识别过程中,受人脸的光照、表情、姿态、特别是训练样本过少等因素影响造成其特征的模糊或者丢失.训练样本数量较少时该问题更为突出,利用原始样本生成虚拟样本再权值融合的协同表示算法虽然对该问题有所改善,却不能大幅度提升人脸识别率.针对以上问题,提出一种改进的协同表示算法,首先生成镜像样本和轴对称样本,以增加单样本人脸特征信息;再在协同表示分类器下分类,对虚拟样本与原始样本加权融合,利用改进的算法增强人脸的特征,并重构误差进行分类识别;最后利用Yale、ORL和FERET人脸数据库实验,比