基于混合二阶梯度直方图的全局低秩稀疏回归鲁棒人脸识别
计算机视觉与模式识别
2025-11-18 v2 最优化与控制
摘要
低秩稀疏回归模型因其对遮挡和光照变化的鲁棒性，已被广泛应用于人脸识别。然而，现有方法往往存在特征表示不足及对样本间结构化腐蚀建模有限的问题。针对这些问题，本文提出了一种基于混合二阶梯度直方图的全局低秩稀疏回归（H2H-GLRSR）模型。首先，我们提出方向Hessian直方图（HOH）以捕捉曲率和脊状模式等二阶几何特征。通过融合HOH与一阶梯度直方图，我们构建了一个统一的局部描述子，称为混合二阶梯度直方图（H2H），增强了挑战条件下的结构判别能力。随后，将H2H特征引入到稀疏正则化核范数矩阵回归（SR_NMR）模型的扩展版本中，对残差矩阵施加全局低秩约束，以利用结构化噪声中的跨样本相关性。最终得到的H2H-GLRSR模型实现了卓越的判别力和鲁棒性。在基准数据集上的实验结果表明，所提方法在识别精度和计算效率上均显著优于现有基于回归的最先进分类器。
引用
@article{arxiv.2511.05893,
title = {Hybrid second-order gradient histogram based global low-rank sparse regression for robust face recognition},
author = {Hongxia Li and Ying Ji and Yongxin Dong and Yuehua Feng},
journal= {arXiv preprint arXiv:2511.05893},
year = {2025}
}