人脸识别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

资 源 简 介

人脸识别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

详 情 说 明

在人脸识别的稀疏表示识别方法中，通常会使用稀疏表示的保真度来表示余项的L2范数。然而，最大似然估计理论表明，这种假设要求余项服从高斯分布。然而，在实际情况中，这样的分布可能并不成立，尤其是当测试图像中存在噪声、遮挡和伪装等异常像素时。这导致传统的保真度表达式所构建的稀疏表示模型对于上述情况缺乏足够的鲁棒性。

为了解决这个问题，最大似然稀疏表示识别模型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。通过这种方式，我们能够将最大似然问题转化为一个加权优化问题，从而提高模型在存在异常像素的情况下的鲁棒性。