稀疏表示和协同编码哪个对人脸识别起了决定性作用

传统的生物特征识别系统依靠单一来源的生物特征信息完成对象鉴别,但是光照变化、噪声和遮挡等因素对生物特征信息的污染会使其识别性能降低。为此,提出一种多模态稀疏表示算法。在使测试对象不同模态的观测值共享稀

针对训练样本与测试样本非线性可分问题,借助核算法,将样本特征向量映射到易实现线性可分的核空间,进而在高维核空间内运用核稀疏表示对所提取的特征进行分类表达。该算法受益于将核稀疏表示理论同多模生物识别技术

简单实用的OMP算法,寻找信号的稀疏表示。 % Sparse coding of a group of signals based on a given % dictionary and specif

采用face++第三方接口，实现了1：1人脸比对博客地址：http://www.cnblogs.com/jxust-jiege666/

学习不变深度表示的NIR-VIS人脸识别

使用匹配追踪法将源信号稀疏化，MATLAB代码，可直接使用。

信号DCT字典稀疏表示，匹配追踪算法（MP）搜索稀疏系数，重构误差达到精度停止循环。

稀疏表示超分辨重建

稀疏表示的matlab代码，从别人那里拷贝过来的，可以试试

这个代码是关于人脸识别里面稀疏表示分类器，对于初学者来说很有用。