二维投影非负矩阵分解算法及其在人脸识别中的应用
建立在最小化非负矩阵分解损失函数上的人脸识别算法需同时计算基矩阵和系数矩阵,导致求解这类问题十分耗时.本文把非负属性引入二维主成分分析(2-dimensional principal component analysis,2DPCA)中,提出了一种新的二维投影非负矩阵分解(2-dimensional projective non-negative matrix factorization,2DPNMF)人脸识别算法.该算法在保持人脸图像的局部结构情况下,突破了最小化非负矩阵分解损失函数的约束,仅需计算投影矩阵(基矩阵),从而降低了计算复杂度.本文从理论上证明了所提出算法的收敛性,同时,使用了YALE、FERET和AR三个人脸库进行实验,结果表明2DPNMF不仅识别率高,而且速度优于非负矩阵分解和二维主成分分析.
二维主成分分析、非负矩阵分解、人脸识别、特征提取
38
TP(自动化技术、计算机技术)
国家自然科学基金60975015;61173131;重庆市科技攻关重点项目CSTC2009AB2230;重庆市攻关项目2009AC2057
2012-12-27(万方平台首次上网日期,不代表论文的发表时间)
1503-1512