基于图像超分辨极限学习机的极低分辨率人脸识别

来源：计算机应用杂志2016年第2期北京时间：

作者：卢涛, 杨威, 万永静

单位：1. 武汉工程大学 计算机科学与工程学院, 武汉 430073;2. 武汉工程大学 智能机器人湖北省重点实验室, 武汉 430073

摘要：极低分辨率图像本身包含的判别信息少且容易受到噪声的干扰,在现有的人脸识别算法下识别率较低。为了解决这一问题,提出一种基于图像超分辨率(SR)极限学习机(ELM)的人脸识别算法。首先,从样本库学习耦合的高低分辨率图像稀疏表达字典,利用高低分辨率表达系数的流形一致性重建高分辨率图像;其次,在超分辨率重建的高分辨率(HR)图像上构建ELM模型,训练获得前向神经网络的连接权值;最后,通过ELM预测输入极低人脸图像的类别属性。实验结果表明,针对于重建后的极低分辨率人脸图片,与协同表示的分类(CRC)人脸识别算法相比,所提算法将识别率分别提升了2%;同时也大幅度缩短了识别的时间。结果表明所提算法能够有效解决极低分辨率图片判决信息不足的问题,具有较好的识别能力。

关键词：稀疏表达,超分辨率,极限学习机,极低分辨率,人脸识别

基金资助：国家863计划项目(2013AA12A202);国家自然科学基金资助项目(61172173,61502354);国家留学基金管理委员会项目;湖北省自然科学基金资助项目(2012FFA099,2012FFA134,2013CF125,2014CFA130,2015CFB451);湖北省教育厅重点科研项目(D20141505);武汉工程大学科学研究基金资助项目(K201403)。