鉴别稀疏保持投影的人脸识别算法

摘要 在人脸识别领域中遇到的数据往往是高维的，一般会导致维数灾难问题.近年来稀疏表示（Sparse representation，SR）在处理人脸识别等问题时显示出一定的有效性，而后出现的稀疏保持投影（Sparse preserving projections ，SPP）算法又以保持数据的稀疏表示结构为目的成功应用于人脸识别领域，但仍存在一些问题.本文针对SPP算法在人脸识别中存在的问题进行了改进，提出了一种叫做鉴别稀疏保持投影（Discriminant sparsity preserving projection，DSPP）的算法.该算法有以下两方面的改进：（1）针对SPP算法未能有效地利用类标签信息的问题，本文利用最大散度差准则(Maximum scatter difference criterion，MSDC)重建SPP算法的目标函数；（2）针对SPP算法计算复杂度高的问题，本文利用带有相同类标签的训练样本用于稀疏重构.在ORL库、CAS-PEAL库、IMM库上的大量实验结果验证了算法的有效性