胡正平 刘立真

(燕山大学信息科学与工程学院，河北秦皇岛 066004)

1 引言

图像多重描述能够提高分类精度[1]，图像集分类识别已经越来越多应用于人脸识别[2-3]和目标分类[4]领域。因图像集能更好传达类内相关信息，图像集人脸识别比图像的人脸识别有更大优越性。

人脸识别技术中如何获得图像充分且互补的多重描述是一个重要问题[5]。文献[6-7]提出由原始人脸图像产生对称人脸的应用，有效地克服人脸图像多重变化的问题。文献[8]提出原始图像和其镜像图像联合实现人脸识别，镜像图像可展现异于原始图像的可应用细节[9]，增添扩展信息，故二者联合应用可提高人脸识别精度。

图像集分类识别存在两个关键问题：首先如何实现图像集建模，其次是如何计算测试集和训练集的距离从而分类判别。针对此问题，研究者提出有参方法和无参方法两种模式。有参方法是将每个图像集建模成带有参数的分布，然后利用交叉熵计算分布距离[10]。但参数估计较难且参数不适用实际情况，从而无参建模方法更具优势。文献[11]提出混合欧氏距离和黎曼几何度量学习图像集分类算法，利用混合度量学习算法合并多异构数据实现鲁棒图像集分类判别，采用协方差矩阵和高斯分布等形成多元数据表示每个集合实现互补集建模。该利用欧氏距离和黎曼几何度量将原始空间嵌入高维的希尔伯特空间进而在满足判别约束条件下联合学习混合度量，从而实现融合来自异构空间的数据达到图像集分类判别效果。……