×
吕伟;张超;李华雄;王波;陈春林

一种基于非凸稀疏表示的鲁棒混合错误编码方法。 （英语） Zbl 07832139号

信息科学。 635, 56-71 (2023).
摘要：基于线性表示的方法在图像识别中得到了广泛应用，特别是对于那些存在噪声、光照变化和遮挡的图像识别。然而，现有的大多数方法都假设图像噪声估计具有特定的分布，这对于处理复杂的变化来说是非常困难的。此外，它们通常使用凸范数来描述噪声的稀疏性和低阶性，这是一种有偏逼近。为了解决这些问题，我们提出了一种新的非凸正则鲁棒混合错误编码（NRRM）方法，该方法使用一维和二维的混合范数来建模复杂图像噪声，而不需要凸松弛。具体来说，我们使用基于加权（ell_2）范数的鲁棒编码来表征图像中的稀疏噪声，使用加权矩阵核范数来表征低阶噪声。与传统的回归方法相比，我们的方法能够更精细、更准确地捕获噪声，并减轻其对鲁棒识别的负面影响。此外，我们以分组方式约束表示组件，以权衡不同类的角色。采用交替方向乘法器（ADMM）算法对NRRM模型进行了有效求解。在一些基准人脸图像数据库上的综合实验验证了NRRM相对于几种最先进的基于线性表示的方法的优越性。

MSC公司：

68单位10 图像处理的计算方法
65K10码 数值优化和变分技术
94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

矩阵回归;稀疏表示;局部性约束;ADMM公司;人脸识别

软件：

FaceNet公司;AR面;CMU项目
PDF格式BibTeX公司 XML格式引用
\textit{W.Lv}等人，《信息科学》。635，56-71（2023；Zbl 07832139）
全文： 内政部

参考文献：

[1] 黄，P。；杨，Z。；Wang，W。；张凤，基于低阶判别的最小二乘回归图像分类去噪，信息科学。，587, 247-264 (2022)
[2] 郑浩。；Fu，L。；Ye，Q.，柔性封顶主成分分析及其在图像识别中的应用，信息科学。(2022)
[3] 钱，J。；朱，S。；Wong，W.K。；张，H。；赖，Z。；杨，J.，模式分类的双重稳健回归，信息科学。，546, 1014-1029 (2021) ·Zbl 1475.62190号
[4] Najar，F。；Bourouis，S。；阿尔沙尔，M.I。；阿鲁巴耶，R。；布吉拉，北卡罗来纳州。；Al-Badi，A.H。；Channoufi，I.，《高效统计学习框架及其在人类活动和面部表情识别中的应用》（ATSIP（2020）），1-6
[5] O.M.帕基。；Vedaldi，A。；Zisserman，A.，深度面部识别，（BMVC，第1卷（2015）），6
[6] 施罗夫，F。；Kalenichenko，D。；Philbin，J.，《FaceNet:人脸识别和聚类的统一嵌入》，（CVPR（2015）），815-823
[7] Wang，H。；Wang，Y。；Zhou，Z。；Ji，X。；龚，D。；周，J。；李，Z。；Liu，W.，CosFace:深度人脸识别的大幅度余弦损失，（CVPR（2018）），5265-5274
[8] 邓，J。；郭杰。；薛，N。；Zafeiriou，S.，ArcFace:深部人脸识别的附加角裕度损失，（CVPR（2019）），4690-4699
[9] 阿尔沙尔，M。；Al Nasar，M.R。；库马尔，R。；夏尔马，M。；Tripathi，V.，用于增强智能家居安全性的机器学习人脸识别方法（ml），（ICACITE（2022）），1081-1086
[10] 杨，Z。；吴，X。；黄，P。；张，F。；Wan，M。；赖，Z.，用于图像分类的正交自动编码器回归，信息科学。，618, 400-416 (2022)
[11] 李，H。；张，L。；黄，B。；周，X.，成本敏感双向线性判别分析，信息科学。，510, 283-303 (2020)
[12] 钟伟。；李，H。；胡，Q。；高，Y。；Chen，C.，小数据分类的多级级联稀疏表示学习，IEEE Trans。电路系统。视频技术。(2022)
[13] 张，M。；高，Y。；周，J.，稳健复杂误差建模的统一权重学习和低阶回归模型，模式识别。，第120条，第108147页（2021年）
[14] 吕杰。；康，Z。；王，B。；纪磊。；Xu，Z.，分区融合多视图子空间聚类，信息科学。，560, 410-423 (2021)
[15] 景，P。；苏，Y。；李，Z。；Nie，L.，学习多视图聚类的鲁棒亲和图表示，信息科学。，544, 155-167 (2021) ·Zbl 1475.68276号
[16] 费，L。；张，B。；田，C。；Teng，S。；Wen，J.，联合学习多实例基于手的生物特征描述符，信息科学。，562, 1-12 (2021)
[17] 赵，S。；张，B.，学习用于掌纹特征提取和识别的显著和判别描述符，IEEE Trans。神经网络。学习。系统。，31, 12, 5219-5230 (2020)
[18] Wright，J。；Yang，A.Y。；Ganesh，A。；Sastry，S.S。；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 2, 210-227 (2009)
[19] 张，L。；杨，M。；Feng，X.，稀疏表示或协作表示：哪一种有助于人脸识别？，（国际刑事法院判例汇编（2011）），471-478
[20] 黄，J。；聂，F。；黄，H。；Ding，C.H.Q.，监督和投影稀疏编码用于图像分类（AAAI（2013））
[21] Chai，W.H。；Ho，S。；Quek，H.C.，通过L1-形式最小化对损坏数据进行表示恢复，Inf.Sci。，595, 395-426 (2022)
[22] 张，C。；李，H。；钱，Y。；陈，C。；周，X.，稳健人脸识别的局部约束判别矩阵回归，IEEE Trans。神经网络。学习。系统。，33, 3, 1254-1268 (2022)
[23] 张，C。；李，H。；陈，C。；钱，Y。；周，X.，用于人脸识别的增强群稀疏正则非凸回归，IEEE Trans。模式分析。机器。智力。，44, 5, 2438-2452 (2022)
[24] 卢，C。；最小高度。；桂，J。；朱，L。；Lei，Y.，基于加权稀疏表示的人脸识别，J.Vis。Commun公司。图像表示。，24, 2, 111-116 (2013)
[25] 杨，M。；张，L。；杨，J。；张，D.，面向人脸识别的正则化鲁棒编码，IEEE Trans。图像处理。，22, 5, 1753-1766 (2013) ·Zbl 1373.94455号
[26] 郑，J。；杨，P。；陈，S。；沈，G。；Wang，W.，带自适应权值学习的迭代再约束群稀疏人脸识别，IEEE Trans。图像处理。，26, 5, 2408-2423 (2017) ·Zbl 1409.94792号
[27] 钱，J。；杨，J。；Xu，Y。；谢军。；赖，Z。；张，B.，基于图像分解的矩阵回归及其在稳健人脸识别中的应用，模式识别。，102，第107204条pp.（2020）
[28] 杨，J。；罗，L。；钱，J。；戴，Y。；张，F。；Xu，Y.，基于核范数的矩阵回归及其在遮挡和光照变化的人脸识别中的应用，IEEE Trans。模式分析。机器。智力。，39, 1, 156-171 (2017)
[29] 钱，J。；罗，L。；杨，J。；张，F。；Lin，Z.，带遮挡人脸识别的鲁棒核范数正则回归，模式识别。，48, 10, 3145-3159 (2015)
[30] 伊利亚迪斯，M。；Wang，H。；莫利纳，R。；Katsaggelos，A.K.，《阻塞情况下快速人脸识别的稳健低阶表示法》，IEEE Trans。图像处理。，26, 5, 2203-2218 (2017) ·Zbl 1409.94256号
[31] Dong，J。；郑浩。；Lian，L.，稳健人脸识别的低秩Laplacian-均匀混合模型，（CVPR（2019）），11897-11906
[32] 顾S。；张，L。；左，W。；Feng，X.，加权核范数最小化及其在图像去噪中的应用，（CVPR（2014）），2862-2869
[33] Sang，X。；卢，H。；赵（Q.Zhao）。；张，F。；Lu，J.，基于非凸正则化和潜在模式的稳健回归人脸识别，信息科学。，547, 384-403 (2021)
[34] 龚，P。；张，C。；卢，Z。；黄，J。；Ye，J.，非凸正则优化问题的通用迭代收缩和阈值算法，（ICML（2）。ICML（2），JMLR研讨会和会议记录，第28卷（2013年），37-45
[35] 谢毅。；顾S。；刘，Y。；左，W。；张伟。；Zhang，L.，加权Schatten p-范数最小化在图像去噪和背景减法中的应用，IEEE Trans。图像处理。，25, 10, 4842-4857 (2016) ·Zbl 1408.94731号
[36] 陈，S。；杨，J。；魏毅。；罗，L。；卢，G。；龚，C.，基于δ-范数的稳健回归及其在图像分析中的应用，IEEE Trans。赛博。，51, 6, 3371-3383 (2021)
[37] 谢军。；杨，J。；钱，J。；Tai，Y。；Zhang，H.，稳健核范数矩阵回归及其在稳健人脸识别中的应用，IEEE Trans。图像处理。，26, 5, 2286-2295 (2017) ·Zbl 1409.94677号
[38] 郑洁。；卢·K。；杨，X。；Bai，C。；Tang，J.，稳健人脸识别的加权混合形式正则回归，IEEE Trans。神经网络。学习。系统。，30, 12, 3788-3802 (2019)
[39] 卢，C。；Tang，J。；Yan，S。；Lin，Z.，通过迭代重加权核范数实现非凸非光滑低秩最小化，IEEE Trans。图像处理。，25, 2, 829-839 (2016) ·Zbl 1408.94866号
[40] Trzasko，J。；Manduca，A.，通过同伦最小化实现高欠采样磁共振图像重建，IEEE Trans。医学成像，28，1，106-121（2009）
[41] Zhang，T.，稀疏正则化的多级凸松弛分析，J.Mach。学习。第11号决议，1081-1107（2010年）·Zbl 1242.68262号
[42] Friedman，J.H.，《快速稀疏回归和分类》，《国际预测杂志》。，28, 3, 722-738 (2012)
[43] Montefusco，L.B。；拉扎罗博士。；Papi，S.，稀疏恢复问题非凸方法的快速算法，信号处理。，93, 9, 2636-2647 (2013)
[44] 刘，L。；黄，W。；Chen，D.，通过Schatten p-范数最小化的精确最小秩近似，J.Compute。申请。数学。，267, 218-227 (2014) ·Zbl 1293.65056号
[45] 博伊德，S.P。；北卡罗来纳州帕里赫。；朱，E。；佩莱托，B。；Eckstein，J.，《通过交替方向乘数法进行分布式优化和统计学习》，Found。趋势马赫数。学习。，3, 1, 1-122 (2011) ·兹比尔1229.90122
[46] 李，H。；张，C。；贾，X。；高，Y。；Chen，C.，用于交叉模式检索的基于自适应标签相关性的非对称离散散列，IEEE Trans。知识。数据工程（2021）
[47] Georghiades，A.S。；Belhumeur，P.N。；Kriegman，D.J.，《从少到多：可变光照和姿势下人脸识别的照明锥模型》，IEEE Trans。模式分析。机器。智力。，23, 6, 643-660 (2001)
[48] 西姆·T。；贝克，S。；Bsat，M.，《CMU人脸姿势、照明和表情数据库》，IEEE Trans。模式分析。机器。智力。，25, 12, 1615-1618 (2003)
[49] 马丁内斯。；Benavente，R.，AR面部数据库（1998），CVC技术报告，24
[50] 钱，J。；Wong，W.K。；张，H。；谢军。；Yang，J.，用于鲁棒图像分类的带凸正则化的联合最优传输，IEEE Trans。赛博。，52, 3, 1553-1564 (2022)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。