基于紧致二阶图像梯度朝向的人脸识别
计算机视觉与模式识别
2022-02-01 v2
摘要
基于图像梯度朝向的传统子空间学习方法仅利用一阶梯度信息。然而，近期关于人类视觉系统（HVS）的研究揭示，神经图像是一种景观或曲面，其几何特性可通过二阶梯度信息捕获。二阶图像梯度朝向（SOIGO）能够减轻人脸图像中噪声的不利影响。为降低SOIGO的冗余，我们通过在SOIGO上应用线性复主成分分析（PCA）提出紧致SOIGO（CSOIGO）。结合基于协同表示分类（CRC）算法，CSOIGO的分类性能得到进一步增强。CSOIGO在真实伪装、合成遮挡及混合变化下进行了评估。实验结果表明，所提方法在少量训练样本下优于对比方法，甚至优于一些主流的基于深度神经网络的方法。CSOIGO的源代码见 https://github.com/yinhefeng/SOIGO。
引用
@article{arxiv.2201.09246,
title = {Face recognition via compact second order image gradient orientations},
author = {He-Feng Yin and Xiao-Jun Wu and Xiaoning Song},
journal= {arXiv preprint arXiv:2201.09246},
year = {2022}
}
备注
26 pages, 6 figures