基于RPCA与低秩投影的有遮挡人脸识别

由于光照的变化、遮挡、阴影、及图像噪声等因素的影响,使得传统方法人脸识别效果不理想,针对人脸识别中遮挡问题,提出了一种基于RPCA和低秩投影的人脸识别算法。先利用RPCA把每类训练样本分解成低秩数据矩阵和稀疏误差矩阵,构建每类原始人脸图像矩阵和低秩数据矩阵之间的低秩映射矩阵。将任意幅测试图像通过每类低秩映射矩阵进行投影,得到测试图像在不同类下的低秩数据矩阵和稀疏误差矩阵,为提取稀疏误差矩阵包含的人脸类别信息,对误差图像计算平滑度和边缘检测,设计了利用平滑度和边缘检测的加权和的判别规则。在AR人脸数据库和Extended Yale B数据库上进行实验,表明了提出的方法的有效性,识别精度得到了有效的提高。

基于元胞自动机的低秩加权协同显著性检测

针对图像协同显著性检测问题,提出了一种基于元胞自动机的低秩加权检测方法.利用3个显著性检测算法生成多个显著图,结合超像素分割提取协同显著性区域.在协同显著区域的特征矩阵上施加秩约束,以获得稀疏误差矩阵,基于稀疏误差矩阵为每个显著图计算自适应权重.将显著图与其对应的权重相乘以获得融合的协同显著图,利用元胞自动机更新显著性区域.在MSRC和i Coseg数据集上的实验结果表明,相对于其他的算法,本文算法可以在有效地突出显著目标的同时抑制背景噪声.