文件名称：Robust Sparse Coding for Face Recognition人脸识别的鲁棒稀疏编码
文件大小：17.84MB
文件格式：ZIP
更新时间：2015-01-13 04:36:15
人脸识别 稀疏表示
人脸识别的鲁棒稀疏编码，的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题，在稀疏表示的同时引入代表各像素不同权值的矩阵，使得该算法对于图像中包含异常像素的情况表现出很好的鲁棒性。
【文件预览】：
RSC
----l1_ls_matlab()
--------operator_example.m(1KB)
--------simple_example.m(387B)
--------@partialDCT()
--------l1_ls.m(8KB)
--------l1_ls_nonneg.m(8KB)
--------find_lambdamax_l1_ls_nonneg.m(339B)
--------find_lambdamax_l1_ls.m(325B)
--------l1_ls_usrguide.pdf(82KB)
--------README.TXT(1KB)
----baboon.tif(985KB)
----utilities()
--------Eigenface_f.m(2KB)
--------Random_Pixel_Crop.m(479B)
--------Random_Block_Occlu.asv(194B)
--------Weight_M_update.asv(1KB)
--------RSC.m(1KB)
--------Random_Block_Occlu.m(180B)
--------Random_Pixel_Crop.asv(459B)
----Demo_RSC_Random_Occlusion.m(3KB)
----database()
--------AR_database()
--------AR_database_Occlusion.mat(22.66MB)
----Demo_RSC_FR_noocclusion.asv(4KB)
----Demo_RSC_AR_disguise.m(2KB)
----ReadMe.txt(1KB)
----Demo_RSC_Random_Corruption.m(3KB)
----rand_w_h.mat(7KB)
----Demo_RSC_Random_Corruption.asv(2KB)
----Demo_RSC_AR_disguise2.m(2KB)
----Demo_RSC_FR_noocclusion.m(4KB)
----Demo_RSC_Random_Occlusion.asv(3KB)