基于RPCA的群稀疏表示人脸识别方法

• 作者: 胡静 陶洋
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 鲁棒主成分分析 低秩映射矩阵 群稀疏
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 459-468
• 页数: 10页
• 分类号: TN391.4
• 字数: 7370字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2020.03.016

摘要

针对训练样本图像和测试样本图像均存在光照、污染、遮挡等情况下的人脸识别问题,提出一种基于鲁棒主成分分析的群稀疏表示人脸识别方法(group sparse representation face recognition method based on robust principal component analysis,GSR-RPCA).该方法将人脸图像由空域变换到对数域,增强人脸图像的对比度,并通过结构非相关鲁棒主成分分析算法从训练样本图像矩阵D中分解出干净的低秩部分人脸图像矩阵A和误差图像矩阵E,以增强恢复数据的鉴别力;学习A与D之间的低秩映射关系矩阵P,并用P将存在遮挡的测试样本映射到其潜在的子空间下,得到干净的测试样本y;计算y在A上的群稀疏表示系数,并利用类关联重构残差对测试人脸进行识别,获得测试人脸的所属类别.在CMU PIE,Extended Yale B和AR数据库上的实验结果显示,提出方法具有较高的识别率和较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶洋	重庆邮电大学通信与信息工程学院	162	715	14.0	21.0
2	胡静	重庆邮电大学通信与信息工程学院	4	2	1.0	1.0