顔認識のための低ランクおよび固有フェイスベースのスパース表現

この論文では、低ランク表現と固有権抽出に基づいて、よく知られているまばらな表現ベースの分類（SRC）の改善を示します。第一に、トレーニングサブセットの各個人のフェイス画像の低ランク画像は、ノイズの影響（照明の違いや閉塞など）の影響を軽減するために、堅牢な主成分分析（堅牢なPCA）によって抽出されます。第二に、これらの低ランクおよび近似画像から固有面を抽出するために、単数の値分解（SVD）が適用されます。最後に、これらの固有面を利用して、まばらな表現のためのコンパクトで識別辞書を構築します。5つの一般的なデータベースでの方法を評価します。実験結果は、私たちの方法の有効性と堅牢性を示しています。

In this paper, based on low-rank representation and eigenface extraction, we present an improvement to the well known Sparse Representation based Classification (SRC). Firstly, the low-rank images of the face images of each individual in training subset are extracted by the Robust Principal Component Analysis (Robust PCA) to alleviate the influence of noises (e.g., illumination difference and occlusions). Secondly, Singular Value Decomposition (SVD) is applied to extract the eigenfaces from these low-rank and approximate images. Finally, we utilize these eigenfaces to construct a compact and discriminative dictionary for sparse representation. We evaluate our method on five popular databases. Experimental results demonstrate the effectiveness and robustness of our method.