基于特征优选和字典优化的组稀疏表示表情识别

作     者：谢惠华 黎明 王艳 陈昊 XIE Huihua;LI Ming;WANG Yan;CHEN Hao

作者机构：南昌航空大学信息工程学院南昌330063 南昌航空大学无损检测技术教育部重点实验室南昌330063 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2021年第34卷第5期

页      面：446-454页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61866025,61772255,61440049) 江西省教育厅科学技术项目(No.GJJ170608) 江西省研究生创新专项资金项目(No.YC2019-S339) 江西省图像处理与模式识别重点实验室开放基金项目(No.ET201604246)资助 

主　　题：小样本表情识别 特征优选 最大散度差优化学习 组稀疏表示 

摘      要：针对在小样本人脸表情数据库上识别模型过拟合问题,文中提出基于特征优选和字典优化的组稀疏表示分类方法.首先提出特征优选准则,选择相同类级稀疏模式、不同类内稀疏模式的互补特征构建字典.然后对字典进行最大散度差优化学习,使字典在不失真重构特征的同时具有较高鉴别能力.最后联合优化后的字典进行组稀疏表示分类.在JAFFE、CK+数据库上的实验表明,文中方法对样本减少具有鲁棒性,泛化能力较强,识别精度较优.