1、圖像處理與模式識(shí)別是當(dāng)今前沿科技中的重要研究領(lǐng)域，特征提取作為圖像識(shí)別的重要環(huán)節(jié)，對(duì)識(shí)別率、運(yùn)算時(shí)間有著重要影響；近年來(lái)深度學(xué)習(xí)作為新的特征提取手段，在對(duì)圖像特征的語(yǔ)義描述能力方面很大程度上優(yōu)于傳統(tǒng)特征提取方法。本文從深度學(xué)習(xí)模型中的深層特征映射結(jié)構(gòu)出發(fā)，結(jié)合目前國(guó)內(nèi)外的相關(guān)研究成果，對(duì)深度子空間模型這一新興的深度特征提取模型進(jìn)行研究改進(jìn)。
　　首先，為了提高模型魯棒性，在深度子空間模型中融入稀疏表示相關(guān)理論，通過(guò)稀疏優(yōu)化方法對(duì)特

2、征提取過(guò)程進(jìn)行約束。針對(duì)圖像中存在的噪聲干擾，通過(guò)構(gòu)建誤差矩陣，在每層子空間特征映射過(guò)程中都針對(duì)稀疏特征矩陣和誤差矩陣進(jìn)行最優(yōu)化求解，最大程度將噪聲干擾與稀疏特征相分離，保持特征提取結(jié)果的內(nèi)在稀疏特性，便于后續(xù)的識(shí)別分類。實(shí)驗(yàn)表明融入稀疏表示理論之后的深度子空間模型能夠有效應(yīng)對(duì)圖像識(shí)別問(wèn)題中的噪聲干擾，提高模式的識(shí)別率和魯棒性。
　　其次，為了解決自定義深層子空間的距離度量問(wèn)題，提出距離度量標(biāo)準(zhǔn)自學(xué)習(xí)理論，通過(guò)求解深層子空間中最大

3、化類間距離來(lái)確定最優(yōu)距離度量映射矩陣。深層子空間相對(duì)于經(jīng)典單層子空間，具特征維數(shù)高、數(shù)據(jù)分布更為復(fù)雜。通過(guò)度量自學(xué)習(xí)操作，能夠在每層子空間特征映射過(guò)程中最大化保留樣本間區(qū)分信息，從而得到特定子空間中對(duì)應(yīng)的最優(yōu)距離度量標(biāo)準(zhǔn)，在該度量標(biāo)準(zhǔn)下，樣本特征的類間距離盡可能大，類內(nèi)距離盡可能小，有利于后續(xù)的識(shí)別分類。實(shí)驗(yàn)表明引入度量自學(xué)習(xí)機(jī)制的深度子空間模型能夠更好的對(duì)特征數(shù)據(jù)進(jìn)行有效分析，從而提高系統(tǒng)識(shí)別效率。
　　最后，針對(duì)人臉圖像以及部