基于局部正则二次线性重构表示的人脸识别
稀疏表示分类器(Sparse Representation based Classification,SRC)求解过程较为复杂,所耗时间较长,协同表示分类器(Collaborative Representation based Classification,CRC)将全体训练样本作为字典来表示待识别样本,字典较大且未考虑样本的类别信息,线性回归分类器(Linear Regression based Classification,LRC)并未考虑不同类样本间的差异,且忽视了样本间的距离关系和潜在的邻域关系.针对以上基于表示学习的图像分类算法的问题和不足,提出了一种基于局部正则二次线性重构表示的人脸识别方法.该方法首先计算待识别样本的类内近邻样本;其次利用类内近邻样本线性重构待识别样本;然后将待识别样本表示成所有类内重构样本的线性组合,同时根据待识别样本与类内重构样本的误差对表示系数施加约束;最后,利用拉格朗日乘子法求解表示系数并根据待识别样本重构误差与表示系数的比值判断待识别样本的类别.在AR,FRGC和FE-RET数据集上的实验表明,该算法具有优越的识别准确率、时间复杂度和鲁棒性.
人脸识别、二次线性重构、表示学习、局部正则
49
TP391.4(计算技术、计算机技术)
国家自然科学基金;江苏省产学研合作项目;南京审计大学信息工程学院青年教师开放课题项目
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
407-411