基于TTr1SVD的张量奇异值分解及其在人脸识别上的应用

• 作者: Kim Batselier Nagi Wong 喻文健 徐宁 董超
• 来源期刊: 计算机应用研究
• 关键词: 张量 张量分解 TTr1SVD HOSVD 人脸识别 特征提取
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 287-291,304
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.01.061

摘要

张量是一种数据组织形式,它的实质是高维数组.很多数据都可以被组织成张量的形式,可以考虑将人脸图像组织成张量的形式.人脸识别过程中最重要的一个环节是特征提取,后续的匹配识别过程是建立在它的基础上.TTr1SVD是一种新型的张量分解算法,可以认为该算法是矩阵SVD在张量领域的扩展.实际数据库中图片的图像模态往往是最大的,结合TTr1SVD算法,得到张量的高阶奇异值分解,改变图片的组织形式,可以加速人脸特征的提取.基于TTr1SVD的高阶奇异值分解算法,实现人脸特征的提取和识别,并且保持了较好的准确性.实验结果表明,该算法比传统的使用Tensor Toolbox的高阶奇异值分解算法更加灵活高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宁	武汉理工大学交通物联网技术湖北省重点实验室	20	71	5.0	7.0
2	喻文健	清华大学计算机科学与技术系	29	100	5.0	8.0
3	董超	武汉理工大学光纤传感技术与信息处理教育部重点实验室	8	100	4.0	8.0
7	Kim Batselier	香港大学电气与电子工程系	1	9	1.0	1.0
8	Nagi Wong	香港大学电气与电子工程系	1	9	1.0	1.0