结构化加权稀疏低秩恢复算法在人脸识别中的应用

• 作者: 吴小俊 吴小艺
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 人脸识别 结构化 加权稀疏 低秩表示 子空间投影
• 年，卷（期）: 2019,（3）
• 页码范围: 455-463
• 页数: 9页
• 分类号: TP391
• 字数: 7766字
• 语种: 中文
• DOI: 10.11992/tis.201711026

摘要

针对训练样本或测试样本存在污损的情况,提出一种结构化加权稀疏低秩恢复算法(structured and weighted-sparse low rank representation,SWLRR).SWLRR对低秩表示进行加权稀疏约束和结构化约束,使得低秩表示系数更加趋近于块对角结构,进而可获得具有判别性的低秩表示.SWLRR将训练样本恢复成干净训练样本后,再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵,把测试样本投影到相应的低秩子空间,即可有效地去除测试样本中的污损部分.在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	吴小艺	江南大学物联网工程学院	4	28	2.0	4.0