摘要:随着训练样本数目减少,传统人脸识别方法的性能会急剧下降,因此提出了改进的分数阶SVD(IFSVDR)的块协作表示算法,以提高小样本下人脸识别率。为了减少噪声对分类的干扰,对SVD算法进行改进,利用分数阶增大主要正交基权值,提高特征的判别力;对相对较小权值进行抑制,降低噪声的干扰。然后,将得到的特征图像用基于块的协作表示算法进行分类(PCRC)。相对传统稀疏分类算法,PCRC融合了集成学习,能更好地解决小样本问题,且CRC计算复杂度低于SRC。在扩展的Yale B和AR人脸数据库上的实验表明,本文提出的算法在单样本的情况下也有较高的识别率。
关键词:人脸识别 改进的分数阶奇异值分解 基于块的协作表示分类 小样本问题
单位:长沙理工大学综合交通运输大数据智能处理湖南省重点实验室; 湖南长沙410114; 长沙理工大学计算机与通信工程学院; 湖南长沙410114
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社