| 融合局部思想和协作表达的鲁棒分类 |
| |
| 引用本文： | 楼宋江,赵小明,于海涛,张石清. 融合局部思想和协作表达的鲁棒分类[J]. 中国图象图形学报, 2015, 20(6): 822-827 |
| |
| 作者姓名： | 楼宋江 赵小明 于海涛 张石清 |
| |
| 作者单位： | 台州学院图像处理与模式识别研究所, 台州 318000;台州学院图像处理与模式识别研究所, 台州 318000;哈尔滨工程大学计算机科学与技术学院, 哈尔滨 150001;台州学院图像处理与模式识别研究所, 台州 318000 |
| |
| 基金项目： | 国家自然科学基金项目(61272261,61203257);浙江省自然科学基金项目(LQ15F020001) |
| |
| 摘 要： | 目的 协作表达分类算法在人脸识别实验上表现出较好的性能,但其未考虑样本的局部特性,且算法只能处理测试样本中的噪声,未能有效处理训练样本集中的噪声.针对这两个问题,提出融合局部思想和协作表达的鲁棒分类算法.方法 一方面,在训练集上,通过奇异值分解SVD得到其有效表达,丢弃一些噪声;另一方面,算法考虑数据的局部相似性,以保持测试样本与其相邻训练样本之间的相似性.结果 本文算法能得到一个闭式(closed-form),可避免稀疏表示分类算法中由于迭代引起的高时间复杂度问题,在ORL、扩展YALEB和PIE人脸库上的识别率分别可达91.4%,93.8%和93.2%,与同类算法相比识别率有较大幅度地提高;实验结果验证了算法所得到的系数具有较高的判别能力.结论 算法将训练样本进行奇异值分解得到“干净”的训练样本,能在一定程度上消除噪声的影响,且在协作表达的基础上,考虑测试样本和与之相邻的训练样本的局部相似性,相比原始的协作表达分类算法有更好的稳定性和鲁棒性.
|
| 关 键 词： | 协作表达 稀疏表示 局部思想 鲁棒性 人脸识别 |
| 收稿时间： | 2014-11-26 |
| 修稿时间： | 2015-02-12 |
Locality constrained collaborative representation classification for robust classification |
| |
| Lou Songjiang,Zhao Xiaoming,Yu Haitao and Zhang Shiqing. Locality constrained collaborative representation classification for robust classification[J]. Journal of Image and Graphics, 2015, 20(6): 822-827 |
| |
| Authors: | Lou Songjiang Zhao Xiaoming Yu Haitao Zhang Shiqing |
| |
| Affiliation: | Institute of Image Processing & Pattern Recognition, Tai Zhou University, Taizhou 318000, China;Institute of Image Processing & Pattern Recognition, Tai Zhou University, Taizhou 318000, China;College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China;Institute of Image Processing & Pattern Recognition, Tai Zhou University, Taizhou 318000, China |
| |
| Abstract: | |
| |
| Keywords: | collaborative representation sparse representation locality robustness face recognition |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
