针对混合污染的结构化鲁棒低秩恢复算法在人脸识别中的应用

摘要：

传统的低秩恢复算法在识别有混合污染的人脸图像时,通常只对污染部分进行一种类型的约束,并不能很好地恢复出干净的样本.针对这种情况,提出了结构化鲁棒低秩恢复算法(structured and robust low-rank re-covery for mixed contamination,SRLRR).SRLRR算法利用对二维误差图像的低秩约束移除样本中的连续污染部分,同时利用稀疏约束分离样本中服从拉普拉斯分布的噪声.另外,为了学习到更具有鉴别性的低秩表示,该算法对表示系数进行了块对角结构化约束.在三个常用数据库上的实验证明了SRLRR算法的有效性和鲁棒性.

关键词：混合污染、人脸识别、结构化约束、低秩恢复

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;国家教育部111资助项目

在线出版日期：2020-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2851-2855,2865