基于低秩矩阵分解和协作表示的人脸图像分类

摘要：

为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法.针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像.通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标.在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10％到50％的标记率下较其他算法均能提升分类识别率.

关键词：低秩矩阵分解、协作表示、分类、监督学习、人脸识别

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：陕西省教育厅科学研究计划资助项目12JK0559

在线出版日期：2015-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：70-74