×
朱、齐;张瑞;黄胜军;张，郑;张道强

LGSLRR：致力于融合有区别的有序局部和全局结构低阶表示用于图像识别。 （英语） Zbl 1479.62049号

信息科学。 539, 522-535 (2020).
摘要：结构信息提取是许多分类应用中的一项重点技术，例如图像识别和生物特征识别。然而，在分类模型中同时利用局部和全局结构信息仍然是一个挑战。此外，在局部信息方面，现有的方法主要寻求提取或保留一阶结构，而忽略了用于分类的有用有序结构信息。为此，本文提出了一种区分序数局部和全局结构低阶表示（LGSLRR）模型，该模型联合保留了图像识别的局部序数结构和全局结构。利用区分块对角低秩表示获得全局信息，同时利用基于联合图的流形嵌入两个不同的拉普拉斯矩阵来保持一阶和二阶局部信息。对10个公共图像数据集进行了大量的对比实验，结果表明，与一些最新的方法相比，该方法的有效性和显著性能。

引用于三文件

MSC公司：

62华氏35 多元分析中的图像分析
68分10秒 模式识别、语音识别
94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

结构信息提取;块对角表示;二阶结构;全球结构;图像识别;低阶表示;序数位置

软件：

AR面;线圈100
PDF格式BibTeX公司 XML格式引用
\textit{Q.Zhu}等人，《信息科学》。539、522--535（2020年；Zbl 1479.62049）
全文： DOI程序

参考文献：

[1] Baraniuk，R.G。；坎迪斯，E。；Elad，M。；Ma，Y.，稀疏表示和压缩传感的应用，Proc。电气与电子工程师协会。(2010)
[2] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯本征映射，神经计算。，15, 1373-1396 (2003) ·Zbl 1085.68119号
[3] BoydDistributed，，S.，《通过交替方向乘数法进行优化和统计学习》，Found。Trends®马赫数。学习。(2010) ·Zbl 1229.90122号
[4] D.Cai，J.Han，X.He，谱回归：稀疏子空间学习的统一方法，载于：第七届IEEE国际会议数据分钟（ICDM 2007）（ICDM），2007年：第73-82页。10.1109/ICDM.2007.89。
[5] T.E.De Campos，B.R.Babu，M.Varma，自然图像中的字符识别，收录于：VISAPP 2009-Proc。第四国际协调计算。视觉。理论应用。，2009
[6] 坎迪斯，E.J。；李，X。；马云（Ma，Y.）。；Wright，J.，稳健主成分分析？，美国医学杂志。，58, 1-37 (2011) ·Zbl 1327.62369号
[7] C.Y.Chang，T.Y.Chen，P.C.Chung，使用生成性对抗网络的半监督学习，收录于：Proc。2018 IEEE交响乐。序列号。计算。智力。2018年、2019年SSCI。10.1109/SSCI.2018.8628663。
[8] C.F.Chen，C.P.Wei，Y.C.F.Wang，用于鲁棒人脸识别的具有结构不相干的低秩矩阵恢复，在：Proc。IEEE计算。Soc.Conf.计算。视觉。模式识别。，2012.10.109/CVPR.2012.6247981。
[9] 陈，Z。；吴晓杰。；尹，H.-F。；Kittler，J.，《利用松弛块学习噪音-人脸识别的对角线结构》，模式识别。，100，第107118条pp.（2020）
[10] 邓，T。；Ye，D。；马·R。；Fujita，H。；熊，L.，用于子空间聚类的低秩局部切线空间嵌入，信息科学。（纽约），508，1-21（2020年）·兹比尔1456.62119
[11] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans。模式分析。机器。智力。，35, 2765-2781 (2013)
[12] 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。(2001)
[13] Graham，D.B。；Allinson，N.M.，《通用人脸识别虚拟特征签名的特征化》，《人脸识别》。(2011)
[14] J.Guo，Y.Quo，X.Kong，R.He，无监督有序区域特征选择，收录于：2017 IEEE Int.Conf.Multimed。2017年IEEE博览会：第1213-1218页。10.1109/IMCE.2017.8019357。
[15] 何，X。；Niyogi，P.，局部保持投影，高级神经信息处理。系统。，153-160 (2004)
[16] Hull，J.J.，《手写文本识别研究数据库》，IEEE Trans。模式分析。机器。智力。(1994)
[17] I.T.Jolliffe，主成分分析，Springer Science&Business Media，纽约，2002年。2007年10月10日/b98835·Zbl 1011.62064号
[18] LeCun，Y。；博图，L。；Y.本吉奥。；Haffner，P.，《基于梯度的学习应用于文档识别》，Proc。电气与电子工程师协会。(1998)
[19] Li，B。；吕春云。；冷，C.-C。；Jin，L.-B.，基于局部图拉普拉斯约束的鲁棒低秩子空间聚类，紫东华学报/Acta Autom。罪。，41 (2015)
[20] Z.Lin，M.Chen，Y.Ma，精确恢复受损低秩矩阵的增广拉格朗日乘子方法，ArXiv-Prepr。ArXiv1009.5055。(2010). 10.1016/j.jsb.2012.10.010。
[21] G.Liu，用于子空间分割和特征提取的潜在低秩表示，2011年国际会议计算。视觉。(2011) 1615-1622. 10.1109/ICCV.2011.6126422。
[22] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。机器。智力。，35, 171-184 (2013)
[23] G.Liu，Z.Lin，Y.Yu，《基于低秩表示的稳健子空间分割》，载于：ICML 2010-Proceedings，27th Int.Conf.Mach。学习。，2010年：第663-670页。
[24] G.Liu，S.Yan，用于子空间分割和特征提取的潜在低秩表示，收录于：2011 Int.Conf.Compute。视觉。，2011年：第1615-1622页。10.1109/ICCV.2011.6126422。
[25] 刘杰。；陈，Y。；张杰。；Xu，Z.，用流形正则化增强低秩子空间聚类，IEEE Trans。图像处理。，23, 4022-4030 (2014) ·Zbl 1374.68472号
[26] 刘，Z。；Ou，W。；卢·W。；Wang，L.，基于稀疏和低阶表示的鉴别特征提取，神经计算。，362, 129-138 (2019)
[27] 卢，C。；冯，J。；林，Z。；梅，T。；Yan，S.，基于块对角表示的子空间聚类，IEEE Trans。模式分析。机器。智力。，1-18 (2018)
[28] 卢，Y。；赖，Z。；Xu，Y。；你，J。；李，X。；袁，C.，投影稳健非负因子分解，信息科学。（纽约）。，364-365, 16-32 (2016) ·Zbl 1427.68269号
[29] A.M.Martinez，R.Benavente，AR面部数据库，技术代表24 CVC技术代表（1998年）。
[30] S.Nene、S.Nayar、H.Murase，哥伦比亚物体图像库（COIL-100），技术代表（1996）。
[31] 聂，F。；黄，H。；蔡，X。；Ding，C.，《通过联合L21进行高效稳健的特征选择，高级神经信息处理》。系统。(2010)
[32] 普莱斯，R。；Revenir，R.，《图像流形学习调查》，IPSJ Trans。计算。视觉。申请。，1, 83-94 (2009)
[33] S.T.Roweis，通过局部线性嵌入降低非线性维数，《科学》（80-）。290 (2000) 2323-2326. 10.1126/science.290.5500.2323。
[34] K.Simonyan，A.Zisserman，《用于大规模图像识别的非常深卷积网络》，国际Conf.Learn。代表。(2015). http://arxiv.org/abs/1409.1556。
[35] J.Wang，J.Yang，K.Yu，F.Lv，T.Huang，Y.Gong，用于图像分类的局部约束线性编码，收录于：2010 IEEE Comput。Soc.Conf.计算。视觉。模式识别。，IEEE，2010年：第3360-3367页。2010年10月10日至2010年5月54日。
[36] 魏春平。；Chen，C.-F。；Wang，Y.F.，具有结构非相干低阶矩阵分解的鲁棒人脸识别，IEEE Trans。图像处理。，23, 3294-3307 (2014) ·Zbl 1374.94404号
[37] Wen，W。；吴，C。；Wang，Y。；陈，Y。；Li，H.，深度神经网络中的学习结构稀疏性，高级神经信息处理。系统。，2074-2082 (2016)
[38] 赖特，J。；马云（Ma，Y.）。；Mairal，J。；萨皮罗，G。；Huang，T.S。；Yan，S.，计算机视觉和模式识别的稀疏表示，Proc。电气与电子工程师协会。，98, 1031-1044 (2010)
[39] 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, 210-227 (2009)
[40] 谢，X。；郭，X。；刘，G。；Wang，J.，隐式块对角低秩表示，IEEE Trans。图像处理。，27, 477-489 (2018) ·Zbl 1409.94680号
[41] 尹，H.-F。；吴晓杰。；Kittler，J。；Feng，Z.-H.，学习用于模式分类的块-对角结构表示法，模式分析。申请。(2019)
[42] 尹，M。；高杰。；Lin，Z.，Laplacian正则化低秩表示及其应用，IEEE Trans。模式分析。机器。智力。，38, 504-517 (2016)
[43] Z.L.Y.Z.H.L.S.M.Yong Li Jing Liu，学习基于类块对角结构的低阶表示以实现鲁棒人脸识别，载于：AAAI Conf.Artif。智力。第二十八届AAAI大会。智力。，2014
[44] L.Zhang，M.Yang，X.Feng，稀疏表示或协作表示：哪有助于人脸识别？，in：2011年国际比较计算。视觉。，IEEE，2011年：第471-478页。10.1109/ICCV.2011.6126277。
[45] L.Zhang、M.Yang、X.Feng、Y.Ma、D.Zhang，基于协同表示的人脸识别分类，（2012）1-33。http://arxiv.org/abs/1204.2358。
[46] Y.Zhang，Z.Jiang，L.S.Davis，《学习图像分类的结构化低阶表示法》，收录于：2013 IEEE Conf.Comput。视觉。模式识别。，2013年：第676-683页。10.1109/CVPR.2013.93。
[47] 张，Z。；Xu，Y。；Shao，L。；Yang，J.，用于图像识别的区分块对角表示学习，IEEE Trans。神经网络学习。系统。，29, 3111-3125 (2018)
[48] 张，Z。；Xu，Y。；杨，J。；李，X。；Zhang，D.，《稀疏表示的调查：算法和应用》，IEEE Access。(2015)
[49] 赵，H。；丁，Z。；Fu，Y.，块约束下的集合子空间分割，IEEE Trans。电路系统。视频技术。，28, 1526-1539 (2018)
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。