基于RPCA的群稀疏表示人脸识别方法

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.

关键词：人脸识别、鲁棒主成分分析、低秩映射矩阵、群稀疏

所属期刊栏目：32

分类号：TN391.4(半导体技术)

资助基金：国家自然科学基金;重庆市自然科学基金

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：459-468