基于核范数特征提取的人脸识别方法研究文献综述

 2022-10-29 08:10

文献综述(或调研报告):

PCA是一种经典的特征提取方法,它在1991年被首次应用在人脸识别上[1]。在这之后,相关变种理论和应用层出不穷,典型的有基于L1范数的主成分分析(L1-PCA)、基于L2范数的

主成分分析(L2-PCA)、加权主成分分析(W-PCA)、基于核范数的主成分分析(N-PCA)等。

Yang等[2]提出了二维主成分分析(Two-Dimensional Principal Component Analysis, 2DPCA),保持了图像的矩阵特性,即二维结构信息。在文献[3][4][5]中,有学者提出了双边二维主成分分析(Bilateral 2DPCA, B2DPCA),这种双边方法弥补了单边方法忽略图像列信息的缺陷。

早先的PCA、2DPCA方法一般都采用L2范数作为重构误差的距离度量,由于其对于异常值敏感,而采用L1范数则相对更加鲁棒,因此,Li等[6]提出了基于L1-范数的2DPCA (L1-Norm based 2DPCA, L1-2DPCA)。

由于核范数对光照变化有很好的鲁棒性,Gu等[7]采用核范数作为距离度量,提出了基于Schatten-1范数的PCA (Schatten-1Norm basedPCA,Schatten-1 PCA)。Zhang[8]提出了基于核范数特征提取的主成分分析方法

参考文献:

[1] M. Turk,A. Pentland, Facerecognition using Eigenfaces,In Proceedings of Computer Vision and Pattern Recognition, 1991,586-591

[2] J. Yang, D. Zhang, A.F. Frangi, J. Yang, Two-dimensional PCA: a new approach to appearance-based face representation and recognition, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004,26(1):131-137

[3] H. Kong, L. Wang, E.K. Teoh, X.C. Li, J.G. Wang, R. Venkateswarlu, Generalized 2D principal component analysis for face image representation and recognition,Neural Network, 2005,18(5-6):585-594

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。