一种新的模糊稀疏表示人脸识别算法

稀疏表示人脸识别算法的主要思想是 一个未知的测试图像可以近似表示为所有与其隶属同类的训练样本的一个线性组合．然而，人脸之间存在着极大的相似性，同时易受到外部环境的影响，人脸分类的本身存在着一定的不确定性．针对这种不确定性，结合模糊集合理论，提出了一种新的模糊稀疏表示人脸识别算法．首先，引入一个非线性函数描述人脸的相似性程度．然后，基于该相似性度量以及最近邻分类器思想，定义一个自适应的模糊隶属度函数来分配人脸对类的隶属程度．而这一过程恰使得这些隶属度是稀疏化的．最后，将稀疏化的模糊隶属度作为训练样本表示测试样本的权值系数，进而重构测试图像．采用MATLAB在ORL和Yale人脸数据库上进行仿真实验，验证了该算法的有效性和稳定性