基于PCA和IGG权函数的人脸图像鲁棒线性回归分类方法

• 作者: 吕开云 鞠厦轶 龚循强 鲁铁定
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 人脸识别 主成分分析(PCA) IGG权函数 线性回归分类(LRC)
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 152-157
• 页数: 6页
• 分类号: TP319.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107386

摘要

在人脸识别中,线性回归分类是一种快速且有效的方法.然而,线性回归分类是基于图像向量进行识别,导致原始矩阵图像往往为高维数据,且人脸图像经常受到污染.为此,提出一种基于PCA和IGG权函数的鲁棒线性回归分类方法.首先通过PCA对人脸图像进行降维,再采用IGG权函数对被污染的人脸图像进行分类.选用公开的ORL和Yale人脸库,将线性回归分类、基于IGG权函数的鲁棒线性回归分类和基于PCA和IGG权函数的鲁棒线性回归分类进行比较.实验结果表明,在ORL和Yale人脸库中,在不加噪声和加入椒盐噪声和斑点噪声条件下,所提出方法的识别率均值都在92.07％以上,均高于另外两种方法.