-
题名隐式低秩表示联合稀疏表示的人脸识别方法
被引量：3
- 1
-
-
作者
何苗
王保云
盛伟
杨昆
-
机构
云南师范大学信息学院
西部资源环境地理信息技术教育部工程研究中心
-
出处
《云南师范大学学报（自然科学版）》
2017年第1期43-51,共9页
-
基金
云南省教育厅科学研究基金资助项目(2014Y145)
云南省哲学社会科学规划项目资助(QN2015067)
云南师范大学博士科研启动基金资助项目(01000205020503064)
-
文摘
针对人脸识别中存在的遮挡、阴影、反光等不同程度的数据破坏以及训练样本不充足导致识别率低的问题,提出一种基于隐式低秩表示联合稀疏表示(LatLRR_SRC,Latent Low-Rank Representation Sparse Representation Classification)的人脸识别方法.该方法首先采用隐式低秩表示(LatLRR,Latent Low-Rank Representation)算法将训练样本矩阵分解为两个低秩逼近矩阵和一个稀疏误差矩阵.然后将低秩逼近矩阵和稀疏误差矩阵联合构成完备字典,并用K-SVD算法对字典进行学习,得到测试样本在学习后字典下的稀疏表示.最后对测试样本利用上述隐式低秩表示分解的三部分的稀疏逼近计算残差,完成测试样本的分类识别.在Extend YaleB和CMU PIE人脸数据上的实验结果表明,基于LatLRR_SRC的人脸识别方法具有较高的识别率和稳定性.
-
关键词
隐式低秩表示
稀疏表示
完备字典
人脸识别
-
Keywords
Latent Low-Rank representation
Sparse representation
Completed dictionary
Face recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于隐式低秩表示的联合投影学习算法及图像识别
被引量：6
- 2
-
-
作者
牛强
陈秀宏
-
机构
江南大学数字媒体学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2019年第14期88-97,共10页
-
基金
2017年江苏省研究生实践创新计划(SJCX17_0506)
-
文摘
隐式低秩表示(LatLRR)作为经典的无监督特征提取算法已应用于模式识别领域。然而该算法得到的特征维数无法降低,且由于算法分别学习2个低秩矩阵,因此无法保证整体最优;另外,算法忽略了样本在学习过程中存在的残差。为解决这些问题,提出了一种基于隐式低秩表示的联合投影学习算法。使用投影矩阵和恢复矩阵近似地表示隐式低秩表示中的投影矩阵,使算法在降维的同时可提取判别特征;联合学习投影矩阵、恢复矩阵和低秩矩阵,矩阵间相互提升,从获得的投影中可以提取出更多的判别特征,同时在算法模型中约束样本在投影学习中存在的残差;最后采用交替迭代方法求解该模型。在多个数据集上进行实验,结果说明算法在有效降维的同时能进一步提高判别能力。
-
关键词
图像处理
模式识别
特征提取
人脸识别
隐式低秩表示
-
Keywords
image processing
pattern recognition
feature extraction
face recognition
latent low-rank representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于隐式低秩非负矩阵分解模型的人脸识别方法
- 3
-
-
作者
杨国亮
龚曼
-
机构
江西理工大学电气工程与自动化学院
-
出处
《传感器与微系统》
CSCD
2020年第3期57-60,63,共5页
-
基金
国家自然科学基金资助项目(61763015,51365017,61305019)。
-
文摘
针对非负矩阵分解(NMF)具有一定的稀疏性,但不足以进行有效的分类的问题,为了获得特征提取过程中缺失的高维数据结构信息和隐藏信息,提高非负矩阵分解的低秩性与稀疏性,提出一种基于隐式低秩表示的非负矩阵分解模型(NLatMF)。该模型将隐式低秩算法提取的原始数据非负的低秩部分和隐式部分应用于非负矩阵分解,更有效地解决了分类问题。将该模型用于图像分类,通过在Yaleface等人脸数据库上仿真,结果表明:新模型有效提高了识别率。
-
关键词
非负矩阵分解
特征提取
隐式低秩表示
稀疏性
图像分类
-
Keywords
non-negative matrix factorization(NMF)
feature extraction
latent low-rank representation
sparseness
image classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
