计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2013年
6期
405-408,413
,共5页
稀疏表示%向量总变差模型%最小范数
稀疏錶示%嚮量總變差模型%最小範數
희소표시%향량총변차모형%최소범수
Sparse representation%Vector-valued total variation model%Minimum norm
为了提高稀疏表示人脸识别技术在对姿态、光照等情况下的识别率和鲁棒性,在GSRC算法的理论基础上提出使用向量总变差模型取代最小l1范数进行稀疏求解.在扩展YaleB人脸数据库和ORL人脸数据库上的数值实验结果中,改进方法在识别率和鲁棒性上都得到了提高,尤其在低维观测数据下,具有较大的优势.表明使用向量总变差模型进行稀疏求解在稀疏表示入脸识别率更具有优势.
為瞭提高稀疏錶示人臉識彆技術在對姿態、光照等情況下的識彆率和魯棒性,在GSRC算法的理論基礎上提齣使用嚮量總變差模型取代最小l1範數進行稀疏求解.在擴展YaleB人臉數據庫和ORL人臉數據庫上的數值實驗結果中,改進方法在識彆率和魯棒性上都得到瞭提高,尤其在低維觀測數據下,具有較大的優勢.錶明使用嚮量總變差模型進行稀疏求解在稀疏錶示入臉識彆率更具有優勢.
위료제고희소표시인검식별기술재대자태、광조등정황하적식별솔화로봉성,재GSRC산법적이론기출상제출사용향량총변차모형취대최소l1범수진행희소구해.재확전YaleB인검수거고화ORL인검수거고상적수치실험결과중,개진방법재식별솔화로봉성상도득도료제고,우기재저유관측수거하,구유교대적우세.표명사용향량총변차모형진행희소구해재희소표시입검식별솔경구유우세.
