基于鉴别性低秩表示及字典学习的鲁棒人脸识别算法

• 作者: 吴小俊 赵雯
• 来源期刊: 计算机应用研究
• 关键词: 人脸识别 低秩表示 字典学习 稀疏线性表示
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3157-3161
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.10.061

摘要

针对人脸识别中的图像存在噪声等情况,提出基于鉴别性低秩表示及字典学习的算法.使用鉴别性低秩子空间恢复算法(DLRR)获得类别间尽可能独立且干净的训练样本,然后通过引入基于Fisher准则的字典学习(FDDL)方法得到结构化字典,其子字典对对应的类有较好的表示能力,约束编码系数具有较小类内散列度和较大类间散列度.最后对测试样本稀疏线性表示时正确类别的样本贡献更大.在标准人脸数据库上的实验结果表明该算法有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	赵雯	江南大学物联网工程学院	1	5	1.0	1.0