数据驱动的双边广义二维四元数主成分分析及其在彩色人脸识别中的应用
计算机视觉与模式识别
2023-06-13 v1
摘要
本文提出一种新的数据驱动双边广义二维四元数主成分分析(BiG2DQPCA)，从行与列两个方向提取矩阵样本的特征。该通用框架直接作用于二维彩色图像而无需向量化，并良好保留空间与颜色信息，从而可灵活适配各类实际应用。首先提出带有目标特征正交约束的BiG2DQPCA广义岭回归模型。应用紧缩技术与极小化—极大化框架，提出一种新的四元数优化算法以计算BiG2DQPCA的最优特征，并在每次迭代中获得闭式解。基于BiG2DQPCA提出了一种用于彩色人脸识别与图像重建的新方法，并采用一种新的数据驱动加权技术。在实际彩色人脸数据库上进行了充分的数值实验，表明BiG2DQPCA在识别精度与图像重建率方面优于现有最优方法。
引用
@article{arxiv.2306.07045,
title = {Data-Driven Bilateral Generalized Two-Dimensional Quaternion Principal Component Analysis with Application to Color Face Recognition},
author = {Mei-Xiang Zhao and Zhi-Gang Jia and Dun-Wei Gong and Yong Zhang},
journal= {arXiv preprint arXiv:2306.07045},
year = {2023}
}