摘要：字典学习是重要的特征表示方法之一，在人脸识别等方面有广泛的应用，特别适合解决姿态变化下的人脸识别问题，因而倍受研究者的关注.为有效增强字典的判别能力，研究者结合领域知识和抗噪等策略提出大量的字典学习模型，其中包括最近提出的同时进行降维和字典学习的方法，但这些方法侧重考虑样本中特定类的信息，未能有效考虑训练样本间的共享信息.因此，提出了一种稀疏约束下快速低秩共享的字典学习方法.该方法采用降维和字典联合进行学习的方式，并嵌入Fisher判别准则获得特定类字典和编码系数，同时施加低秩约束获得低秩共享字典，以此增强字典和编码系数的判别能力.此外，运用Cayley变换保护投影矩阵的正交性来获得紧凑的特征集合.在AR，Extended Yale B，CMU PIE和FERET四个数据集上的人脸识别实验验证所提方法的优越性.实验结果表明所提方法在表情变化下的人脸识别具有很强的鲁棒性，并对光照起到了抑制作用，尤其适合解决光照、表情变化下的小样本问题.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社