-
题名多矩阵低秩分解的鲁棒特征提取
- 1
-
-
作者
米雪荣
王恒友
何强
张长伦
-
机构
北京建筑大学理学院
北京建筑大学北京未来城市设计高精尖创新中心
-
出处
《数据采集与处理》
CSCD
北大核心
2021年第3期477-488,共12页
-
基金
国家自然科学基金(62072024,61971290)资助项目
北京建筑大学青年教师科研能力提升计划(X21024)资助项目
+2 种基金
北京建筑大学“建大英才”(JDYC2017026)资助项目
北京建筑大学北京未来城市设计高精尖创新中心(UDC2019033324)资助项目
北京建筑大学基本科研业务费(X20084)资助项目。
-
文摘
由于传统的人脸识别算法效果容易受制于光照、表情、遮挡以及稀疏大噪声等外界因素的影响,如何有效提取数据特征、进一步提升算法的鲁棒性,是传统人脸识别方法发展的关键所在。本文将多矩阵低秩分解应用在人脸特征提取中,充分利用多张人脸之间的结构相似性,探索人脸图像集的低秩子空间,进而结合低秩矩阵恢复模型来提取测试样本的低秩特征。最后,利用主成分分析(Principal component analysis,PCA)算法对所提取的特征矩阵进行进一步降维,并运用稀疏表示方法分类。实验结果表明,当样本中存在一定的椒盐噪声时,本文算法在AR、Yale和CMU_PIE人脸库上均具有较好的识别精度,验证了本文算法对椒盐噪声的鲁棒性。
-
关键词
人脸识别
多矩阵联合低秩分解
低秩矩阵恢复
稀疏表示分类
-
Keywords
face recognition
multi-matrix low-rank decomposition
low-rank matrix recovery
sparse representation classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
-