论文研究基于.pdf

传统的人耳识别算法在人耳图像遮挡、噪声和人耳多姿态变化中表现出低识别率，近年来稀疏表示在模式识别领域中取得了很好的成果。决定稀疏分类器识别精确度的因素主要是稀疏解的稀疏度，而稀疏度的估计就是稀疏向量中非0元素的估计，即向量L0范数。因此在人耳稀疏分类算法的研究中引入L0范数稀疏约束。采取基于SRC（sparserepresentation-basedclassification）稀疏模型，选取对人耳姿态变化具有强鲁棒性的特征逼近过完备字典，然后使用OMP（orthogonalmatchingpursuit）算法直接解L0问题，并加入稀疏约束，从优化稀疏解的角度对人耳稀疏分类算法进行改进，提高了人耳识别效率。