公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于低秩投影与稀疏表示的人脸识别算法被引量：5: 2019年; 当训练和测试图像同时受到污损时,人脸识别的性能会急剧下降。为了解决这一问题,提出了一种新的人脸识别算法。首先利用鲁棒主成分分析(robust principal component analysis,RPCA)方法得到训练样本的低秩部分;然后基于原始训练样本及其低秩部分得到低秩投影矩阵,该矩阵可以对存在污损的测试图像进行恢复;最后使用稀疏表示分类(sparse representation based classification,SRC)算法对恢复后的测试图像进行分类。在两个公开数据库上进行实验,实验结果证明了本文算法的有效性,同时识别性能优于SRC及线性回归分类(linear regression classification,LRC)方法,能在一定程度上处理样本数据受到污损的情况。; 蔡晓云蔡晓云; 关键词：人脸识别

基于协同表示的子空间聚类被引量：1: 2017年; 针对稀疏子空间聚类(SSC)求得的系数矩阵过于稀疏和最小二乘回归子空间聚类(LSR)求得的系数矩阵过于稠密的问题,文中提出基于协同表示的子空间聚类算法(SCCR).结合SSC和LSR的优点,将l1范数和Frobenius范数引入同一优化问题中,使系数矩阵保证在同一子空间数据点联系(如LSR)的同时,消除不同子空间数据点之间的联系(如SSC).然后利用此系数矩阵建立相似矩阵,应用谱聚类得到聚类结果.实验表明SCCR可以提高聚类性能.; 傅文进吴小俊董文华尹贺峰; 关键词：FROBENIUS范数谱聚类

一种改进的最小二乘回归子空间分割方法: 2019年; 最小二乘回归(LSR)算法是一种常见的子空间分割方法,由于LSR具有解析解,因此它的聚类性能较高。然而LSR算法是应用谱聚类方法聚类数据,谱聚类方法初始化聚类中心是随机的,会影响后面的聚类效果。针对这一问题,提出一种基于聚类中心局部密度和距离这2个特点的改进的LSR算法(LSR-DC)。在Extended Yale B数据集上进行实验,结果表明,该算法有较高的聚类精度,具有一定的鲁棒性,优于现有LSR等子空间分割方法。; 蔡晓云蔡晓云尹贺峰赵航涛; 关键词：聚类

基于结构化局部约束低秩表示的人脸识别被引量：5: 2020年; 针对传统的基于低秩表示的方法需要重新在字典矩阵上计算测试样本的表示系数,会导致计算复杂度升高,降低训练和测试样本表示系数之间的相关性等问题,提出了一种结构化局部约束低秩表示算法用于人脸识别的方法.在原始低秩表示中引入理想编码系数矩阵正则项,使训练样本的表示系数矩阵具有块对角结构;为保持数据的流形结构,引入局部约束项,使相似样本具有相似的表示系数;使用简单的线性分类器对测试样本进行分类.在AR,Extended Yale B,ORL和LFW这4个标准数据集上进行了试验结果验证.结果表明:该算法可以同时得到训练和测试样本的表示系数,对人脸图像中的遮挡、像素破坏和光照变化等具有鲁棒性.; 蔡晓云尹贺峰; 关键词：人脸识别线性分类器

改进的局部稀疏表示分类算法及其在人脸识别中的应用被引量：6: 2015年; 近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注。原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时。为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法。该方法针对每个测试样本,根据测试样本和训练样本稀疏系数之间的相似性来选择部分训练样本,由这些训练样本组成字典,然后在这个字典上对测试样本进行稀疏分解。该方法性能相比于原始LSRC方法更稳定。在ORL、Yale和AR人脸库上的实验结果表明,该方法的效果优于SRC和LSRC。; 尹贺峰吴小俊陈素根; 关键词：人脸识别

基于白化PCA图像重构的特征补偿人脸识别新方法被引量：8: 2015年; 针对基于主成分分析(principal component analysis,PCA)方法在特征提取过程中丢弃高阶统计信息的缺陷,提出了一种基于图像重构的特征补偿人脸识别算法。首先利用白化PCA方法提取原始图像特征,对图像进行重构并计算残差图像;然后对残差图像进行白化PCA特征提取,并将其作为第一次提取特征的有效补偿以得到新的特征;最后用最近邻分类器进行识别分类。在ORL、YALE、XM2VTS和AR人脸数据库上的实验结果验证了算法的有效性。; 陈素根尹贺峰; 关键词：人脸识别主成分分析图像重构特征提取

融入压缩感知的脉冲耦合神经网络用于图像快速融合被引量：3: 2013年; 针对脉冲耦合神经网络(PCNN)图像融合模型对含噪声图像敏感和融合时间效率不高的问题,通过引入压缩感知(CS)技术对传统模型进行改造,提出了一种融入CS技术的新型快速脉冲耦合图像融合方法,不仅能够弥补传统脉冲耦合模型抗噪声能力不强的缺陷,还可以实现含噪声图像去噪和图像融合同步进行,有效克服了传统去噪融合方法中人为将去噪过程和融合过程分开而造成的信息不一致等问题,在一定程度上提高了融合效果和时间效率。在多聚焦图像和小目标图像上进行了相关实验研究,并在视觉效果和性能评价、含噪声多少与方法性能、稳定性等方面进行了详细分析。实验结果表明,新方法无论从融合效果还是评价指标上均较一些相关方法显示出一定的优越性。; 李奕尹贺峰吴小俊; 关键词：去噪图像融合

基于分布式低秩表示的子空间聚类算法被引量：5: 2016年; 针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高,提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributed low rank representation-based sparse subspace clustering algorithm,DLRRS),该算法采用分布式并行计算来得到低秩表示的系数矩阵,然后保留系数矩阵每列的前k个绝对值最大系数,其他系数置为0,用此系数矩阵构造一个稀疏的样本关系更突出的相似度矩阵,接着用谱聚类得到聚类结果.但是其不具备增量学习功能,为此再提出一种基于分布式低秩表示的增量式稀疏子空间聚类算法(scalable distributed low rank representation based sparse subspace clustering algorithm,SDLRRS),如果有新增样本,可以利用前面的聚类结果对新增样本进行分类得到最后的结果.实验结果表明:所提2种子空间聚类算法不仅有效减少算法的运算时间,还提高了聚类的准确率,从而验证算法是有效可行的.; 许凯吴小俊尹贺峰; 关键词：子空间聚类并行计算

鉴别性非负表示分类及其在人脸识别中的应用: 2021年; 非负表示分类器在人脸识别算法中有着突出的表现,但是各类别表示之间存在相关性,这对分类不利。为了解决这一问题,提出了基于鉴别性非负表示的人脸识别算法。在非负约束的基础上,添加正则项,减少类别间相关性;利用交替方向乘子法对变量进行优化;最后将测试样本划分在最小重构误差所对应的类别中。在4个数据集上的实验结果表明,提出的基于鉴别性非负表示的分类识别算法在分类识别精度上超过其他对比算法。; 徐然然吴小俊尹贺峰; 关键词：人脸识别

全选清除导出

共1页<1>

尹贺峰