基于稀疏张量的人脸图像特征提取

›› 2012, Vol. ›› Issue (06): 1521-1526.

基于稀疏张量的人脸图像特征提取

周春光, 孙明芳, 王甦菁, 陈前, 刘小华, 刘昱昊

吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2011-12-21 出版日期:2012-11-01
通讯作者: 王甦菁(1976-),男,博士研究生.研究方向:模式识别.E-mail:wangsj08@mails.jlu.edu.cn E-mail:wangsj08@mails.jlu.edu.cn
基金资助:
国家自然科学基金项目(61175023).

Face image feature extraction method based on sparse tensor

ZHOU Chun-guang, SUN Ming-fang, WANG Su-jing, CHEN Qian, LIU Xiao-hua, LIU Yu-hao

College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2011-12-21 Online:2012-11-01

摘要/Abstract

摘要： 在多线性主成分分析(Multi-linear principal component analysis,MPCA)的基础上提出了用于特征提取的稀疏张量主成分分析(STPCA)方法。该方法把MPCA中的特征值分解问题转化为线性回归问题,以此得到稀疏的投影矩阵,并通过该投影矩阵来降低遮挡对特征提取效果的影响。最后在Georgia tech和AR人脸库上进行对比实验,结果表明:本文方法无论在识别的精确度上还是在对遮挡的鲁棒性上都优于原有的MPCA算法。

关键词: 计算机应用, 特征提取, 稀疏表示, 张量子空间, 人脸识别

Abstract: A Spare Tensor Principal Component Analysis (STPCA) for feature extraction based on Multi-linear Principal Component Analysis (MPCA) was proposed. This STPCA can obtain spare projection matrix by transforming the eigen-decomposition problem into linear regression problem. With the help of the spare projection matrix the effect of occlusion can be reduced in the process of feature extraction. Experiments on Georgia tech and AR face database show that the proposed method outperforms the MPCA method in terms of accuracy and the robustness to occlusion.

Key words: computer application, feature extraction, sparse representation, tensor subspace, face recognition

中图分类号:

TP391.4

周春光, 孙明芳, 王甦菁, 陈前, 刘小华, 刘昱昊. 基于稀疏张量的人脸图像特征提取[J]. , 2012, (06): 1521-1526.

ZHOU Chun-guang, SUN Ming-fang, WANG Su-jing, CHEN Qian, LIU Xiao-hua, LIU Yu-hao. Face image feature extraction method based on sparse tensor[J]. , 2012, (06): 1521-1526.

参考文献

[1] 刘小华,周春光,张利彪,等. 海量人脸数据库的快速检索[J]. 吉林大学学报:工学版, 2010, 40(1): 183-188. Liu Xiao-hua, Zhou Chun-guang, Zhang Li-biao, et al. Method of quick searching in a huge scale face database[J]. Journal of Jilin University (Engineering and Technology Edition), 2010, 40(1):183-188.
[2] 刘毅. 基于一致性随机采样的图像特征匹配鲁棒确认[J]. 重庆邮电大学学报:自然科学版,2010,22(3):381-385. Liu Yi. Robust verification for image feature matching based on RANSAC[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2010,22(3):381-385.
[3] 杨勇,田侃. 基于Gabor特征和EHMM的人脸识别方法[J]. 重庆邮电大学学报:自然科学版,2011,23(3):355-362. Yang Yong,Tian Kan. Face recognition based on Gabor feature and EHMM[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2011,23(3):355-362.
[4] Yan Shui-cheng, Xu Dong, Yang Qiang, et al. Discriminant analysis with tensor representation[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Diego, California, 2005:526-532.
[5] He Xiao-fei, Cai Deng, Partha Niyogi. Tensor subspace analysis[J]. Advances in Neural Information Processing Systems, 2006,18:499-506.
[6] Wang Su-jing, Zhou Chun-guang, Zhang Na, et al. Face recognition using second-order discriminant tensor subspace analysis[J]. Neurocomputing, 2011, 74(12-13):2142-2156.
[7] Wang Su-jing, Yang Jian, Zhang Na,et al. Tensor discriminant color space for face recognition[J]. IEEE Transactions on Image Processing,2011,20(9):2490-2501.
[8] Lu Hai-ping, Plataniotis K N, Venetsanopoulos A N. Mpca: multilinear principal component analysis of tensor objects[J]. IEEE Transactions on Neural Networks, 2008, 19(1): 18-39.
[9] Serre T, Learning a dictionary of shape-components in visual lortex:comparison with neurons, human and machmes[D]. Boston:MIT,2006.
[108] Zou Hui, Hastie T, Tibshirani R. Sparse principal component analysis[J]. Journal of Computational and Graphical Statistics, 2006, 15(2): 265-286.
[11] Xiao Cun-tao, Wang Zhen-you. Two-dimensional sparse principal component analysis: a new technique for feature extraction[C]//2010 Sixth IEEE International on Natural Computation(ICNC), 2010, 2: 976-980.
[12] Kolda T G, Bader B W. Tensor decompositions and applications[J]. SIAM Review, 2009, 51(3): 455-500.
[13] Efron B, Hastie T, Johnstone I,et al. Least angle regression[J]. The Annals of statistics, 2004, 32(2):407-499.
[14] Georgia Tech Face Database[DB/OL].[2011-10-21]. http://www.anefian.com/research/face reco.htm
[15] Martinez A. The Ar Face Database[R]. CVC Technical Report, 1998.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed