基于主元分析和压缩感知的人脸识别算法

被引：7

作者：

武亚静

赵扬扬

机构：

[1] 西安电子科技大学理学院

来源：

西安工程大学学报 | 2013年 / 27卷 / 04期

关键词：

人脸识别; 压缩感知; 稀疏表示; 最小l0范数;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

针对压缩感知理论中的核心问题,即如何通过有限的测量值以较高的重建率重构稀疏信号,提出了基于主元分析和压缩感知的人脸识别方法(PSL0).该算法利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映人脸特征投影矩阵,作为压缩感知算法的超完备基,将每一幅待识别图像的特征向量作为测量值,用基于平滑l0范数快速稀疏表示(SL0)算法求解l0范数最小化问题,寻求图像在该超完备基上的稀疏表示,以得到一组最优稀疏系数重构各类图像,求取测试图像与各类重构图像的最小残差进行分类识别.实验结果表明,该算法在同类算法中获得了较高的人脸识别率及较好的重建效果.

引用

页码：524 / 529

页数：6

共 5 条

[1]

基于PCA特征基压缩传感算法的人脸识别 [J].

张尤赛 ;

赵艳萍 ;

朱志宇 .

计算机工程, 2012, 38 (13) :152-155

[2]

基于MW（2D）2PCA的单训练样本人脸识别 [J].

李欣 ;

王科俊 ;

贲晛烨 .

模式识别与人工智能, 2010, 23 (01) :77-83

[3]

压缩传感综述.[J].李树涛;魏丹;.自动化学报.2009, 11

[4]

Stable signal recovery from incomplete and inaccurate measurements [J].

Candes, Emmanuel J. ;

Romberg, Justin K. ;

Tao, Terence .

COMMUNICATIONS ON PURE AND APPLIED MATHEMATICS, 2006, 59 (08) :1207-1223

[5]

For most large underdetermined systems of linear equations the minimal 퓁<sub>1</sub>‐norm solution is also the sparsest solution.[J].David L. Donoho.Communications on Pure and Applied Mathematics.2006, 6

← 1 →