基于判别性低秩字典学习的稀疏表示人脸图像识别-豆柴文库

基于判别性低秩字典学习的稀疏表示人脸图像识别.pdf

2024-08-28

10金币

307KB

8页

qw****27

实名认证

内容提供者

1/8

2/8

3/8

4/8

5/8

6/8

7/8

8/8

在线预览结束，喜欢就下载吧，查找使用更方便

下载提示文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

SparseRepresentationforFaceRecognitionbasedonDiscriminativeLow-Rank DictionaryLearning LongMa,ChunhengWang,BaihuaXiao,WenZhou StateKeyLaboratoryofManagementandControlforComplexSystems InstituteofAutomationChineseAcademyofSciences 95ZhongguancunEastRoad,100190,BEIJING,CHINA {long.ma,chunheng.wang,baihua.xiao,wen.zhou}@ia.ac.cn Abstractmizationproblem: minxs.t.y=Dx(1) Inthispaper,weproposeadiscriminativelow-rankx1 dictionarylearningalgorithmforsparserepresentation. whereDisanover-completedictionary,xisthesparseco- Sparserepresentationseeksthesparsestcoefﬁcientstorep- efﬁcientvector,andyisthetestsignal.Toimprovetheper- resentthetestsignalaslinearcombinationofthebasesin formanceofsparserepresentation,Yang[30]proposedro- anover-completedictionary.Motivatedbylow-rankma- bustsparsecodingtomodelthesparsecodingasasparsity- trixrecoveryandcompletion,assumethatthedatafromthe constrainedrobustregressionproblem;Liu[21]constrained samepatternarelinearlycorrelated,ifwestackthesedata thesparsecoefﬁcientstobenonnegative;Huang[14]ex- pointsascolumnvectorsofadictionary,thenthedictio- ploitedtheclusteringtendsinnonzerocoefﬁcients.These naryshouldbeapproximatelylow-rank.Anobjectivefunc- algorithmsusedtheoff-the-shelfbasesasthedictionary. tionwithsparsecoefﬁcients,classdiscriminationandrank Learningthedictionaryhasbeenprovedtoimprovethesig- minimizationisproposedandoptimizedduringdictionary nalreconstructiondramatically[8].Severalalgorithmshave learning.Wehaveappliedthealgorithmforfacerecogni- beenproposedtooptimizetheatoms.Aharon[1]general- tion.Numerousexperimentswithimprovedperformances izedthek-meansclusteringprocessandproposedK-SVD overpreviousdictionarylearningmethodsvalidatetheef- algorithm,thealgorithmiterativelyupdatedthesparsecod- fectivenessoftheproposedalgorithm. ingofthesamplesbasedonthecurrentdictionaryandthen optimizedthedictionaryatomstobetterﬁtthedata.Mairal [23]proposedanenergyformulationwithbothsparsere- constructionandclassdiscriminativecomponents.Anon- 1.Introd

相关资料

基于判别性低秩字典学习的稀疏表示人脸图像识别.pdf

2024-08-28

307KB

基于低秩与特征脸的稀疏表示人脸识别研究的中期报告.docx

基于低秩与特征脸的稀疏表示人脸识别研究的中期报告一、研究背景与意义随着数字图像技术的发展，人脸识别技术也越来越受到人们的关注。目前，人脸识别技术的应用已经涉及到安防、金融、医疗等领域，具有非常广泛的应用前景。人脸识别技术的核心是从输入的图像中提取出有用的信息，进行特征提取并对其进行分类。传统的人脸识别方法主要利用局部特征、全局特征和混合特征等方法对人脸图像进行分析和处理。而近年来，利用低秩与特征脸的方法进行人脸识别成为了研究的热点之一。低秩与特征脸的方法主要基于矩阵分解和降维的思想，在许多图像处理领域中已

2024-09-18

10KB

基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法研究的中期报告.docx

基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法研究的中期报告Abstract本文主要介绍了基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法的研究。首先介绍了人脸识别的基本概念和技术，然后分析了人脸识别中存在的问题，提出了利用稀疏表示和低秩矩阵分解方法来解决这些问题的思路和方法。接着，我们详细介绍了稀疏表示和低秩矩阵分解的理论和方法，并介绍了如何通过这些方法进行人脸识别和对齐。最后，我们通过实验验证了这个方法的有效性，结果表明，该方法能够有效地提高人脸识别和图像对齐的准确率。Keywords:人脸识别

2024-09-27

10KB

基于稀疏和低秩表示的图像复原算法研究的开题报告.docx

基于稀疏和低秩表示的图像复原算法研究的开题报告一、选题背景和研究意义在数字图像的处理中，图像复原是一项重要的技术。它可以用于去除图像的噪声、消除图像模糊、提高图像的清晰度等。现有的图像复原算法中，稀疏和低秩表示技术在图像复原中得到了广泛应用。稀疏表示技术在图像信号处理中已被证明具有很好的效果，而在低秩表示技术中，矩阵分解的方法被证明是一种非常有效的图像复原技术。稀疏和低秩表示技术已被广泛应用于图像复原和图像压缩中，特别是对于高维数据（如语音、图像和视频），利用数据的稀疏性和低秩性可获得更好的复原效果。随着

2024-09-25

11KB

基于稀疏表示的人脸图像识别方法研究的开题报告.docx

基于稀疏表示的人脸图像识别方法研究的开题报告一、研究背景随着数字图像处理和计算机视觉领域的不断发展，人脸识别已经成为重要的研究领域之一。人脸识别技术具有广泛的应用前景，例如安防领域、人脸支付等。虽然近年来由于深度学习的流行，基于深度学习的人脸识别取得了很好的效果，但是深度学习模型需要较大的数据集和强大的计算资源，而且模型也存在一些局限性，例如模型易受到欺骗攻击等，因此研究基于稀疏表示的人脸识别方法仍然具有一定的研究价值。二、研究内容本研究将以稀疏表示的方法为主要研究手段，探究基于稀疏表示的人脸图像识别方法

2024-09-17

11KB