基于过完备感知模型和稀疏表示的有遮挡人脸识别研究

模拟人类视觉模型、解决有遮挡问题，从而缩小人脸识别系统和人类的差距是当前人脸识别研究热点。本项目拟从视神经元细胞过完备感知模型入手，研究模拟该机制的识别算法，提高自动人脸识别系统的准确性和鲁棒性。. 生物视觉系统的过完备感知机制表明视觉皮层数目众多的神经元构成一个过完备字典，大脑对输入的信号通过少数神经元的响应形成对图象的稀疏表示。相对正交非冗余系统，过完备字典和稀疏表示能更好地表示复杂的图象信号、具有更强的匹配灵活性。本项目通过响应机制类似神经元的二维Gabor函数构造过完备字典、将人脸图象的特性用于指导Gabor原子的参数设计、结合可分性衡量指标研究快速的稀疏表示求解算法，最后得到充分模拟该视觉机制的人脸识别算法模型。. 本项目研究的方法在识别上的应用还处于起步阶段，具有前瞻性和挑战性。本研究在理论和关键技术上的突破对于探索新的人脸识别算法具有重要的理论意义和实用价值。

申请人主持的青年科学基金项目在过完备字典设计和稀疏表示求解算法等领域进行了深入研究，在基于二维/三维Gabor函数的过完备字典设计、稀疏表示求解算法、图像预处理以及系统开发等方面获得了较大研究进展。在过完备字典设计方面，我们根据大脑视觉皮层神经元对刺激响应的特点，采用Gabor函数构造了过完备字典，成功实现了基于这些字典的人脸、掌纹、和硬币识别系统；在二维Gabor字典的研究基础上，首次提出了用于三维图像数据表示的三维Gabor字典，并成功应用于高光谱遥感图像分类；最后，通过有遮挡人脸和正常人脸的字典表示统计分析，通过去除遮挡人脸特征提高了人脸识别准确率。.相关研究工作已经发表学术论文27篇，其中SCI检索国际期刊论文8篇，EI检索22篇。发表的国际权威期刊包括《IEEE Transactions on Image Processing》、《IEEE Transactions on Geoscience and Remote Sensing》、《Sensors》、《IET Image Processing》、《International Journal of Pattern Recognition and Artificial Intelligence》和《模式识别与人工智能》等。