(南京师范大学计算机科学与技术学院 南京 210023) (zetian_edu@126.com)
出版日期:
2018-08-01基金资助:
国家自然科学基金重点项目(61432008);国家自然科学基金项目(61272222) This work was supported by the Key Program of the National Natural Science Foundation of China (61432008) and the National Natural Science Foundation of China (61272222).Fast Low-Rank Shared Dictionary Learning with Sparsity Constraints on Face Recognition
Tian Ze, Yang Ming,Li Aishi(College of Computer Science and Technology, Nanjing Normal University, Nanjing 210023)
Online:
2018-08-01摘要/Abstract
摘要: 字典学习是重要的特征表示方法之一,在人脸识别等方面有广泛的应用,特别适合解决姿态变化下的人脸识别问题,因而倍受研究者的关注.为有效增强字典的判别能力,研究者结合领域知识和抗噪等策略提出大量的字典学习模型,其中包括最近提出的同时进行降维和字典学习的方法,但这些方法侧重考虑样本中特定类的信息,未能有效考虑训练样本间的共享信息.因此,提出了一种稀疏约束下快速低秩共享的字典学习方法.该方法采用降维和字典联合进行学习的方式,并嵌入Fisher判别准则获得特定类字典和编码系数,同时施加低秩约束获得低秩共享字典,以此增强字典和编码系数的判别能力.此外,运用Cayley变换保护投影矩阵的正交性来获得紧凑的特征集合.在AR,Extended Yale B,CMU PIE和FERET四个数据集上的人脸识别实验验证所提方法的优越性.实验结果表明所提方法在表情变化下的人脸识别具有很强的鲁棒性,并对光照起到了抑制作用,尤其适合解决光照、表情变化下的小样本问题.
参考文献
相关文章 11
[1] | 时文华,倪永婧,张雄伟,邹霞,孙蒙,闵刚. 联合稀疏非负矩阵分解和神经网络的语音增强[J]. 计算机研究与发展, 2018, 55(11): 2430-2438. |
[2] | 杨帅锋,赵瑞珍. 基于低秩矩阵和字典学习的图像超分辨率重建[J]. 计算机研究与发展, 2016, 53(4): 884-891. |
[3] | 张盼,练秋生. 融合整体与局部特征的低秩松弛协作表示[J]. 计算机研究与发展, 2014, 51(12): 2663-2670. |
[4] | 崔振,山世光,陈熙霖. 结构化稀疏线性判别分析[J]. 计算机研究与发展, 2014, 51(10): 2295-2301. |
[5] | 陈达遥 陈秀宏 董昌剑. 基于零空间核判别分析的人脸识别[J]. 计算机研究与发展, 2013, 50(9): 1924-1932. |
[6] | 韩 琥, 山世光, 陈熙霖, 高 文,. 一种利用人脸对称性的光照归一化方法[J]. , 2013, 50(4): 767-775. |
[7] | 楼宋江 张国印 潘海为 王庆军. 人脸识别中适合于小样本情况下的监督化拉普拉斯判别分析[J]. , 2012, 49(8): 1730-1737. |
[8] | 李 宽 殷建平 李 永 刘发耀. 基于Gabor系数分块统计和自适应特征选择的人脸描述与识别[J]. , 2012, 49(4): 777-784. |
[9] | 周旭东, 陈晓红, 陈松灿,. 半配对半监督场景下的低分辨率人脸识别[J]. , 2012, 49(11): 2328-2333. |
[10] | 尹宝才 孙艳丰 王成章 盖 赟. BJUT-3D三维人脸数据库及其处理技术[J]. , 2009, 46(6): 1009-1018. |
[11] | 郑宇杰 杨静宇 徐 勇 於东军. 一种基于Fisher鉴别极小准则的特征提取方法[J]. , 2006, 43(7): 1201-1206. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3754