基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对训练样本和测试样本均存在光照及遮挡时,破坏图像低秩结构问题,本文提出基于监督低秩子空间恢复的正则鲁棒稀疏表示人脸识别算法。首先,将所有训练样本构造成矩阵 D,对矩阵 D 进行监督低秩矩阵分解,分解为低秩类相关结构 A,低秩类内差异结构 B 和稀疏误差结构 E;然后用主成分分析方法找到类相关结构 A 低秩子空间的变换矩阵;再通过变换矩阵将训练样本和测试样本投影到低秩子空间;最后,在低秩子空间中,通过正则鲁棒稀疏编码进行加权分类识别。在 AR 和 Extended Yale B 公开人脸数据库上的实验结果验证本文算法的有效性及鲁棒性。
推荐文章
基于鉴别性低秩表示及字典学习的鲁棒人脸识别算法
人脸识别
低秩表示
字典学习
稀疏线性表示
基于低秩子空间恢复的联合稀疏表示人脸识别算法
人脸识别
稀疏表示
联合稀疏
低秩子空间恢复
稀疏表示人脸识别的关键问题分析
人脸识别
压缩感知
稀疏表示
鲁棒性
一种鲁棒稀疏表示的单样本人脸识别算法
稀疏表示
单样本
人脸识别
位置图像
L2,1范数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 有监督低秩子空间恢复的正则鲁棒稀疏表示人脸识别算法
来源期刊 信号处理 学科 工学
关键词 人脸识别 低秩分解 主成分分析 正则鲁棒编码
年,卷(期) 2016,(11) 所属期刊栏目 算法研究
研究方向 页码范围 1299-1307
页数 9页 分类号 TP391.41
字数 6162字 语种 中文
DOI 10.16798/j.issn.1003-0530.2016.11.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡正平 燕山大学信息科学与工程学院 160 1215 17.0 28.0
2 王蒙 燕山大学信息科学与工程学院 11 108 4.0 10.0
3 孙哲 燕山大学信息科学与工程学院 9 52 4.0 6.0
4 白帆 燕山大学信息科学与工程学院 2 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (8)
二级引证文献  (6)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(5)
  • 参考文献(5)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
人脸识别
低秩分解
主成分分析
正则鲁棒编码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
论文1v1指导