|
|||||
|
|
| 基于低秩矩阵分解和协作表示的人脸图像分类 | |
| 作者单位： | ;1.西安邮电大学电子工程学院;2.西安邮电大学理学院 |
| 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 |
Face image classification based on low rank matrix decomposition and collaborative representation |
|
| Abstract: | |
| Keywords: | |