哈布特·塔德塞 通过仿射变换、Frobenius和（L_{2,1}）范数对联合图像对齐和恢复进行新的鲁棒主成分分析。 （英语） Zbl 1486.90145号 国际数学杂志。数学。科学。 2020年，文章ID 8136384，9 p.（2020）. 摘要：本文提出了一种基于Frobenius和（L_{2,1}）范数的线性相关数据集上的图像对齐和恢复的有效且稳健的方法。最流行且最成功的方法是将鲁棒PCA问题建模为存在稀疏腐败的低秩矩阵恢复问题。现有的算法在处理离群值和严重稀疏噪声对图像对齐和恢复的潜在影响方面仍然存在不足。因此，新算法通过使用仿射变换和Frobenius和（L_{2,1}）范数的新思想来处理离群值和严重稀疏噪声的潜在影响。为了实现这一点，在分解过程中引入了仿射变换和Frobenius范数和（L_{2,1}）范数。因此，新算法对错误、离群值和遮挡更具弹性。为了解决所涉及的凸优化问题，还考虑了交替迭代过程以降低复杂性。对人脸图像和手写数字的恢复进行了仿真，与主要的最新研究相比，证明了新方法的有效性。 引用于2文件 MSC公司： 90C25型 凸面编程 94A08型 信息与通信理论中的图像处理（压缩、重建等） 65层55 低阶矩阵逼近的数值方法；矩阵压缩 关键词：弗罗贝尼乌斯规范；\（L_{2,1}\）范数；矩阵恢复问题 软件：RASL公司；LFW公司 PDF格式BibTeX公司 XML格式引用 \textit{H.T.Likassa}，国际数学杂志。数学。科学。2020年，文章ID 8136384，9 p.（2020年；Zbl 1486.90145） 全文： 内政部 参考文献： [1] 布曼，T。；贾维德，S。；张，H。；林，Z。；Otazo，R.，《稳健主成分分析在图像和视频处理中的应用》，IEEE学报，106，8，1427-1457（2018）·doi:10.1109/jproc.2018.2853589 [2] 彭，Y。；Ganesh，A。；Wright，J。；徐伟（Xu，W.）。；Ma，Y.，RASL:线性相关图像稀疏和低秩分解的鲁棒对齐，2010年IEEE计算机视觉和模式识别会议论文集 [3] 利卡萨，H.T。；方，W.-H。；Chuang，Y.-A.，通过稀疏和低秩分解对高度线性相关数据进行改进的鲁棒图像对齐，2018年第三届智能绿色建筑和智能电网国际会议论文集（IGBSG） [4] 埃巴迪，S。；Izquierdo，E.，《快速高效恢复损坏的线性相关图像和视频帧的近似RPCA》，2015年系统、信号和图像处理国际会议论文集，IEEE [5] Wright，J。；Ganesh，A。；Rao，S。；彭，Y。；Ma，Y.，稳健主成分分析：通过凸优化精确恢复损坏的低秩矩阵，神经信息处理系统进展，2080-2088（2009），马萨诸塞州剑桥市，美国：麻省理工学院出版社 [6] 陈，X。；韩，Z。；王，Y。；唐，Y。；Yu，H.，噪声图像对齐的非凸加二次惩罚低阶稀疏分解，科学中国信息科学，59，5（2016）·doi:10.1007/s11432-015-5419-2 [7] Song，W。；朱，J。；李毅。；Chen，C.，通过随机梯度下降在线鲁棒PCA进行图像对齐，IEEE视频技术电路和系统汇刊，26，7，1241-1250（2016）·doi:10.1109/tcsvt.2015.2455711 [8] Wu，Y。；沈，B。；Ling，H.，通过迭代凸优化进行在线鲁棒图像对齐，2012年IEEE计算机视觉和模式识别会议论文集，IEEE [9] 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模式分析和机器智能汇刊，35，1，171-184（2013）·doi:10.1109/tpami.2012.88 [10] 哦，T.-H。；Tai，Y.-W。；巴赞，J.-C。；Kim，H。；Kweon，I.S.，稳健pca中奇异值的部分和最小化：算法和应用，IEEE模式分析和机器智能汇刊，38，4，744-758（2016）·doi:10.1109/tpami.2015.2465956 [11] He，J。；张，D。；巴尔扎诺，L。；Tao，T.，稳健图像对齐的迭代格拉斯曼优化，图像和视觉计算，32，10，800-813（2014）·doi:10.1016/j.imavis.2014.02.015 [12] 利卡萨，H.T。；Fang，W.-H.，通过子空间恢复技术进行图像对齐的稳健回归，2018年第七届网络、通信和计算国际会议论文集-ICNCC 2018 [13] 利卡萨，H.T。；方，W.-H。；Leu，J.-S.，通过仿射变换和l{2,1}范数实现鲁棒图像恢复，IEEE Access，7125011-125021（2019）·doi:10.1109/access.2019.2932470 [14] 詹，J。；Vaswani，N.，具有部分子空间知识的鲁棒PCA，2014年IEEE信息理论国际研讨会论文集，IEEE [15] 沃特斯，A.E。；桑卡拉纳拉亚南，A.C。；Baraniuk，R.，SpaRCS：从压缩测量中恢复低秩和稀疏矩阵，《神经信息处理系统进展》，1089-1097（2011），美国马萨诸塞州剑桥：麻省理工学院出版社，美国马萨诸塞州剑桥 [16] 赖，S.-H。；Fang，M.，《利用空间变化照明模型进行稳健高效的图像对齐》，1999年IEEE计算机学会计算机视觉和模式识别会议论文集（分类号PR00149），IEEE [17] 顾S。；谢奇。；Meng博士。；左，W。；X·冯。；Zhang，L.，加权核范数最小化及其在低水平视觉中的应用，国际计算机视觉杂志，121，2，183-208（2017）·Zbl 1458.68231号 ·doi:10.1007/s11263-016-0930-5 [18] 康，Z。；彭，C。；Cheng，Q.，《基于非凸秩近似的稳健PCA》，2015年IEEE数据挖掘国际会议论文集，IEEE [19] 徐，D。；卡卡德，S.M。；Zhang，T.，具有稀疏损坏的鲁棒矩阵分解，IEEE信息理论汇刊，57，11，7221-7234（2011）·Zbl 1365.15018号 ·doi:10.1109/tit.2011.2158250 [20] 拉赫玛尼，M。；Atia，G.K.，用于高维低秩加稀疏矩阵分解的随机子空间学习方法，2015年第49届信号、系统和计算机Asilomar会议论文集，IEEE [21] 哦，T.-H。；Lee，J.-Y。；Tai，Y.-W。；Kweon，I.S.，通过秩最小化实现鲁棒高动态范围成像，IEEE模式分析和机器智能汇刊，37，6，1219-1232（2014） [22] 埃里克森，N.B。；马瑟林，L。；Brunton，S.L。；Kutz，J.N.，随机动态模式分解（2017），https://arxiv.org/abs/1702.02912 ·兹比尔1427.65410 [23] Podosinnikova，A。；塞泽尔，S。；Hein，M.，Robust pca:优化stiefel流形上的鲁棒重建误差，德国模式识别会议论文集，Springer [24] 北沙希德。；佩罗丁，N。；卡洛菲利斯，V。；Puy，G。；Vandergheynst，P.，图的快速鲁棒PCA，IEEE信号处理选定主题期刊，10，4，740-756（2016）·doi:10.1109/jstsp.2016.2555239 [25] Shakeri，M。；Zhang，H.，Corola:使用低阶近似的运动目标检测的顺序解决方案，《计算机视觉和图像理解》，146，27-39（2016）·doi:10.1016/j.cviu.2016.02.009 [26] 胡，Z。；聂，F。；田，L。；李霞，《低级别正规化综合调查》（2018），https://arxiv.org/abs/1808.04521 [27] 张，T。；Lerman，G.，鲁棒PCA的新型m估计，机器学习研究杂志，15，1，749-808（2014）·Zbl 1318.62205号 [28] 拉赫玛尼，M。；Atia，G.K.，稳健子空间恢复的分散方法，2015年第53届Allerton通信、控制和计算年会论文集，IEEE [29] 北瓦斯瓦尼。；布曼，T。；贾维德，S。；Narayanamurthy，P.，鲁棒子空间学习：鲁棒PCA、鲁棒子空间跟踪和鲁棒子空间恢复，IEEE Signal Processing Magazine，35，4，32-55（2018）·doi:10.1109/msp.2018.2826566 [30] Lee，J。；Choe，Y.，《基于几何解释不相干的鲁棒主成分分析》，IEEE图像处理汇刊，27，41939-1950（2018）·Zbl 1409.94320号 ·doi:10.1109/tip.2018.2790481 [31] 尚，F。；程，J。；刘，Y。；罗，Z.-Q。；Lin，Z.，鲁棒PCA的双线性因子矩阵范数最小化：算法和应用，IEEE模式分析和机器智能汇刊，40，9，2066-2080（2018）·doi:10.1109/tpami.2017.2748590 [32] 张，F。；Yang，J.，通过低秩分解的线性子空间学习方法，2011年第二届生物灵感计算和应用创新国际会议论文集，IEEE [33] X.赵。；安·G。；岑，Y。；王，H。；赵，R.，子空间聚类的稳健判别低秩表示，软计算，23，16，7005-7013（2018）·doi:10.1007/s00500-018-3339-y [34] 马云（Ma，Y.）。；Yang，A.Y。；Derksen，H。；Fossum，R.，《子空间排列估计及其在混合数据建模和分段中的应用》，SIAM Review，50，3，413-458（2008）·Zbl 1147.52010年 ·doi:10.1137/060655523 [35] Lerman，G。；Maunu，T.，稳健子空间恢复概述，IEEE学报，106，8，1380-1410（2018）·doi:10.1109/jproc.2018.2853141 [36] Rao，S。；特隆·R。；维达尔，R。；Yi Ma，Y.，存在异常、不完整或损坏轨迹的运动分割，IEEE模式分析和机器智能汇刊，32，10，1832-1845（2010）·doi:10.1109/tpami.2009.191 [37] Elhamifar，E。；Vidal，R.，稀疏子空间聚类，2009年IEEE计算机视觉和模式识别会议论文集，IEEE [38] 史J。；Malik，J.，标准化切割和图像分割，部门论文（CIS），22，107（2000） [39] 王，Y.-X。；Xu，H.，噪声稀疏子空间聚类，机器学习研究杂志，17，1，320-360（2016）·Zbl 1360.62361号 [40] 李，Q。；孙，Z。；林，Z。；He，R。；Tan，T.，变换不变子空间聚类，模式识别，59，142-155（2016）·doi:10.1016/j.patcog.2016.02.006 [41] 沈杰。；李，P。；Xu，H.，基于基字典追踪的在线低秩子空间聚类，机器学习国际会议论文集 [42] Wu，Y。；张，Z。；Huang，T.S。；Lin，J.Y.，通过正交子空间分解进行多体分组，2001年IEEE计算机学会计算机视觉和模式识别会议论文集 [43] 李毅。；陈，C。；杨，F。；Huang，J.，鲁棒图像配准的深度稀疏表示，IEEE计算机视觉和模式识别会议论文集 [44] 丁，Z。；Fu，Y.，通过双重低阶分解实现鲁棒多视图子空间学习，第三十届AAAI人工智能会议论文集 [45] 马云（Ma，Y.）。；索托，S。；Koseckaa，J。；Sastry，S.S.，《三维视觉邀请：从图像到几何模型》，26（2012），德国柏林：施普林格科技与商业媒体，德国柏林 [46] 丁，C。；Zhou博士。；何，X。；Zha，H.，R1-PCA：稳健子空间分解的旋转不变l1-范数主成分分析，第23届机器学习国际会议论文集，ACM [47] 李，R。；王，X。；Lei，L。；Song，Y\（l\_\left\{2,1\right\}）-基于范数的损失函数和正则化极端学习机，IEEE Access，7，6575-6586（2018）·doi:10.1109/access.2018.2887260 [48] 文，F。；Chu，L。；刘，P。；邱R.C.，《信号处理、统计和机器学习中基于非凸正则化的稀疏低秩恢复研究》，IEEE Access，6，69883-69906（2018）·doi:10.1109/access.2018.2880454 [49] 李毅。；Lin，Y。；Cheng，X。；肖，Z。；舒，F。；Gui，G.，《存在IEEE Access时稳健稀疏恢复的非凸惩罚正则化》，625474-25485（2018）·doi:10.1109/access.2018.2830771 [50] 林，Z。；陈，M。；Ma，Y.，精确恢复受损低秩矩阵的增广拉格朗日乘子法（2010），https://arxiv.org/abs/1009.5055 [51] 博伊德，S。；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》，机器学习中的基础和趋势®，3，1，1-122（2010）·Zbl 1229.90122号 ·doi:10.1561/220000016 [52] Kahaki，S.M。；王，S.-L。；Stepanyants，A.，体内延时图像的精确注册，医学成像2019：图像处理，10949（2019），华盛顿州贝灵汉，美国：美国华盛顿州贝灵汉国际光学与光子学学会 [53] 张，Z。；Xu，Y。；杨，J。；李，X。；Zhang，D.，《稀疏表示的调查：算法和应用》，IEEE Access，3490-530（2015）·doi:10.1109/access.2015.2430359 [54] A.杜塔。；Hanzely，F。；Richtárik，P.，稳健主成分分析的非凸投影方法，《AAAI人工智能会议论文集》，331468-1476（2019）·doi:10.1609/aaai.v33i01.33011468 [55] 蔡J.-F。；坎迪斯，E.J。；Shen，Z.，矩阵补全的奇异值阈值算法，SIAM优化杂志，20,41956-1982（2010）·Zbl 1201.90155号 [56] 杨，J。；尹，W。；Zhang，Y。；Wang，Y.，一种保边变分多通道图像恢复的快速算法，SIAM成像科学杂志，2，2，569-592（2009）·兹比尔1181.68304 ·doi:10.1137/080730421 [57] 王，Z。；博维克，A.C。；谢赫，H.R。；Simoncelli，E.P.，《图像质量评估：从错误可见性到结构相似性》，IEEE图像处理汇刊，13，4，600-612（2004）·doi:10.1109/tip.2003.819861 [58] Hull，J.J.，手写文本识别研究数据库，IEEE模式分析和机器智能汇刊，16，5，550-554（1994）·数字对象标识代码：10.1109/34.291440 [59] 黄，G.B。；拉梅什，M。；Berg，T.等人。；Learnd-Miller，E.，《野外标记人脸：研究无约束环境中人脸识别的数据库》（2007），美国马萨诸塞州阿默斯特市马萨诸塞大学，美国马萨诸塞州安默斯特市，技术报告07-49 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。