基于Lp范数的2DPCA的人脸识别方法

• 作者: 夏士雄 李勇 梁志贞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 主成分分析 脸识别 特征提取 二维主成份分析 Lp范数 ORL人脸库
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 图形图像处理
• 页码范围: 183-186,227
• 页数: 5页
• 分类号: TP391.41
• 字数: 3572字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1111-0104

摘要

主成分分析(PCA)是降维的一种经典方法.二维主成分分析(2DPCA)在特征抽取之前不需要将图像矩阵转化为向量形式,所以能快速地提取特征.但是基于L2范数的PCA和2DPCA在遇到异常值时的表现不稳定而且得到的向量通常不是稀疏的.提出了一种基于L1范数的且受Lp范数约束的2DPCA方法(2DPCA-Lp).当参数P接近1时,它可以得到稀疏的解.该方法既具有2DPCA的快速方便性,又是泛化的并且对异常值较不敏感.同时也证明该方法可以取得一个局部最大化的解.通过在ORL和UMIST人脸库上的实验表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏士雄	中国矿业大学计算机科学与技术学院	118	1158	18.0	28.0
2	李勇	中国矿业大学计算机科学与技术学院	36	252	9.0	14.0
3	梁志贞	中国矿业大学计算机科学与技术学院	14	73	5.0	8.0