[发明专利]基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法

权利要求书

1.一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：

步骤1.首先用固定大小的正方形块对所有单训练样本和测试样本的图像进行分块，块中心对应图像中的每一个像素点；接着在每一块内部以重叠的方式继续划分出不同的子块，提出人脸图像的每一个块内的不同子块，看成是属于同一个类别的不同样本的合理假设；

步骤2.基于上述假设，使用同一块内的不同子块作为样本，利用传统的学习方法，对图像的每一块单独进行分类，根据投票结果求出该测试图像的类别概率分布；

步骤3.利用步骤2得到的属于每类的概率分布,根据熵最小化原则进行类别筛选，剔除掉概率为0或较低的类别，完成一次筛选过程；

步骤4.对测试图像迭代进行步骤2和步骤3所述的类别分类和筛选过程，直到满足停止条件，从而输出该测试图像最终的分类结果。

2.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于所述步骤1中块和子块两级划分按如下步骤操作：

假设图像有N个像素，以每个像素为中心、半径为R的正方形上的像素为该像素的邻域像素，则像素i的邻域像素集中的每个像素对应一个以其为中心的S×S小块，S取大于等于3的奇数，小块中的S²个像素表示成向量形式为 j＝1,...,P；同样地，中心像素i也对应一个S×S的小块，表示成向量形式为中心像素i及其邻域像素对应的所有小块形成一个以像素i为中心的局部块，大小为(S+2R)×(S+2R)；所有类的训练人脸图像的像素i处对应的块内的全部子块构成块训练集Bⁱ，测试人脸图像中像素i处对应的块内的中心子块则作为测试样本。

3.根据权利要求2所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：所述划分过程中，采用边缘像素镜像的方法解决边缘部分出现部分像素值缺失从而导致无法划分的问题；具体实施方法为以边缘为对称轴，将边缘上的像素按对称的形式复制过去，来作为缺失像素值的填补，从而完成边缘部分图像块的正确划分。

4.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人 脸识别方法，其特征在于：所述步骤1中，同一个块局限在人脸图像的较小区域，其内部的所有子块相互重叠，因此这些子块具有较强的相似性，故假设这些子块是属于同一类别的不同样本。

5.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于所述步骤2中求取图像的类别概率分布按以下步骤操作：

2.1对于块训练集其类内散度矩阵和类间散度矩阵按如下计算：

2.2采用稀疏表示方法分类每一个图像块，基于块训练集Bⁱ对测试的协同表示写成如下形式：

2.3按照上述方法对每一个图像块进行分类后，按照如下公式计算图像的类别概率分布β＝[p₁,p₂,...,p_K]：

其中，V_k是第k类获得的投票数，∑V_k为总投票数。

6.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于所述步骤3中的类别筛选过程如下：

3.1对于已求得的类别概率分布，按照如下公式计算它的熵：

E(β)＝-∑pkln pk

3.2求出图像的类别概率分布之后，产生了图像的类别集合Ω₁＝{C₁,C₂,...C_N1},N₁＝K，然后去掉其中一系列0概率或者小概率的类别，类别筛选操作产生一个新的类别集合Ω₂＝{C₁,C₂,...,C_N2},这个新产生的集合用于下一个阶段的分类。

7.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人 脸识别方法，其特征在于：所述步骤4中：

将步骤3.2中求得的新的类别集合进行下一阶段的分类，继而迭代地执行分类和筛选这两步操作直到满足停止条件，输出最终的图像的分类结果。