基于低秩矩阵分解和协作表示的人脸图像分类.pdfVIP

第 2O卷 第 1期 西 安 邮 电 大 学 学 报 Vo1．2O NO．I 2015年 1月 JOURNALOFXI’AN UNIVERSITY OFPOSTSANDTELECOMMUNICATIONS Jan．2014 doi：10．13682／j．issn．2095—6533．2015．01．014 基于低秩矩阵分解和协作表示的人脸图像分类 阴亚芳 ，李 倩 ，廖延娜 (1．西安邮电大学 电子工程学院，陕西 西安 710121； 2．西安邮电大学 理学院，陕西 西安 710121) 摘 要：为了降低干扰因素对人脸识别准确率的影响，提出一种基于低秩矩阵分解和协作表示的人脸图像分类算 法。针对噪声阴影影响，使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解，去除干扰，得到较为干净的 人脸图像。通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类，通过归一化的最小重构误差来判 定测试样本的具体类标。在 3个人脸数据集上对算法性能进行仿真测试，结果表明，该算法在 1O 到5O 的标记 率下较其他算法均能提升分类识别率。 关键词：低秩矩阵分解 ；协作表示；分类；监督学习；人脸识别 中图分类号 ：TP391．4 文献标识码：A 文章编号：2095-6533(2015)01—0070—05 Faceimageclassification basedon low rank matrixdecomposition andcollaborativerepresentati0n YIN Yafang， LIQian ， LIAOYanna (1．SchoolofElectronicEngineering，Xi’anUniversityofPostsandTelecommunications，Xi’an710121，China； 2．SchoolofScience，Xi’anUniversityofPostsandTelecommunications，Xi’an710121，China) Abstract：Inordertoaddresstheproblem oflow recognitionaccuracy in thecasewith strong interference，anew algorithm offaceimageclassificationbasedonlow rankmatrixdecomposition and collaborative representation is proposed in this paper． Firstly， the robust principle componentanalysis(RPCA)methodforlow rankmatrixdecompositionoffacedatasetisusedto obtainthe clean face images． Secondly， imagesare classified after RPCA by collaborative representation and the labelsoftestsample are determined with the normalized minimum reconstructionerror．Performancecomparisonsaredonebetweenthenew algorithm andclassical classification algorithms． Experimental results show that this method can improve the classificationaccuracyefficientlywhenthelabelrateisrangedfrom 10 to5O ． Keywords~ low rank matrix decomposition，collaborativerepresentation，classificat