结构化加权稀疏低秩恢复算法在人脸识别中的应用
针对训练样本或测试样本存在污损的情况,提出一种结构化加权稀疏低秩恢复算法(structured and weighted-sparse low rank representation,SWLRR).SWLRR对低秩表示进行加权稀疏约束和结构化约束,使得低秩表示系数更加趋近于块对角结构,进而可获得具有判别性的低秩表示.SWLRR将训练样本恢复成干净训练样本后,再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵,把测试样本投影到相应的低秩子空间,即可有效地去除测试样本中的污损部分.在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性.
人脸识别、结构化、加权稀疏、低秩表示、子空间投影
14
TP391(计算技术、计算机技术)
国家自然科学基金项目61672265,61373055;江苏省教育厅科技成果产业化推进项目JH10-28;江苏省产学研创新项目BY2012059
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
455-463