中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2015年
6期
822-827
,共6页
楼宋江%赵小明%于海涛%张石清
樓宋江%趙小明%于海濤%張石清
루송강%조소명%우해도%장석청
协作表达%稀疏表示%局部思想%鲁棒性%人脸识别
協作錶達%稀疏錶示%跼部思想%魯棒性%人臉識彆
협작표체%희소표시%국부사상%로봉성%인검식별
collaborative representation%sparse representation%locality%robustness%face recognition
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.
目的 協作錶達分類算法在人臉識彆實驗上錶現齣較好的性能,但其未攷慮樣本的跼部特性,且算法隻能處理測試樣本中的譟聲,未能有效處理訓練樣本集中的譟聲.針對這兩箇問題,提齣融閤跼部思想和協作錶達的魯棒分類算法.方法 一方麵,在訓練集上,通過奇異值分解SVD得到其有效錶達,丟棄一些譟聲;另一方麵,算法攷慮數據的跼部相似性,以保持測試樣本與其相鄰訓練樣本之間的相似性.結果 本文算法能得到一箇閉式(closed-form),可避免稀疏錶示分類算法中由于迭代引起的高時間複雜度問題,在ORL、擴展YALEB和PIE人臉庫上的識彆率分彆可達91.4％,93.8％和93.2％,與同類算法相比識彆率有較大幅度地提高;實驗結果驗證瞭算法所得到的繫數具有較高的判彆能力.結論 算法將訓練樣本進行奇異值分解得到“榦淨”的訓練樣本,能在一定程度上消除譟聲的影響,且在協作錶達的基礎上,攷慮測試樣本和與之相鄰的訓練樣本的跼部相似性,相比原始的協作錶達分類算法有更好的穩定性和魯棒性.
목적 협작표체분류산법재인검식별실험상표현출교호적성능,단기미고필양본적국부특성,차산법지능처리측시양본중적조성,미능유효처리훈련양본집중적조성.침대저량개문제,제출융합국부사상화협작표체적로봉분류산법.방법 일방면,재훈련집상,통과기이치분해SVD득도기유효표체,주기일사조성;령일방면,산법고필수거적국부상사성,이보지측시양본여기상린훈련양본지간적상사성.결과 본문산법능득도일개폐식(closed-form),가피면희소표시분류산법중유우질대인기적고시간복잡도문제,재ORL、확전YALEB화PIE인검고상적식별솔분별가체91.4％,93.8％화93.2％,여동류산법상비식별솔유교대폭도지제고;실험결과험증료산법소득도적계수구유교고적판별능력.결론 산법장훈련양본진행기이치분해득도“간정”적훈련양본,능재일정정도상소제조성적영향,차재협작표체적기출상,고필측시양본화여지상린적훈련양본적국부상사성,상비원시적협작표체분류산법유경호적은정성화로봉성.
