用于人脸识别与图像重建的样本松弛二维彩色主成分分析
计算机视觉与模式识别
2018-03-13 v1
摘要
基于四元数模型，提出了一种用于人脸识别与图像重建的样本松弛二维彩色主成分分析（SR-2DCPCA）方法。根据具有相同标签的训练彩色人脸图像的方差自动生成松弛向量。基于由松弛向量松弛后的所有训练样本构造样本松弛的低维协方差矩阵，并将其对应于前 个最大特征值的特征向量定义为最优投影。SR-2DCPCA 旨在扩大全局方差，而非最大化投影后训练样本的方差。基于真实人脸数据集的数值结果验证了 SR-2DCPCA 具有比现有最优方法更高的识别率，并且在图像重建中是高效的。
引用
@article{arxiv.1803.03837,
title = {Sample-Relaxed Two-Dimensional Color Principal Component Analysis for Face Recognition and Image Reconstruction},
author = {Meixiang Zhao and Zhigang Jia and Dunwei Gong},
journal= {arXiv preprint arXiv:1803.03837},
year = {2018}
}
备注
18 pages, 7 figures