基于稀疏张量的人脸图像特征提取  

Face image feature extraction method based on sparse tensor

作　　者：周春光[1] 孙明芳[1] 王甦菁[1] 陈前[1] 刘小华[1] 刘昱昊[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012

出　　处：《吉林大学学报（工学版）》2012年第6期1521-1526,共6页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金项目(61175023)

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。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.

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 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]