针对混合污染的结构化鲁棒低秩恢复算法在人脸识别中的应用
【摘要】 传统的低秩恢复算法在识别有混合污染的人脸图像时，通常只对污染部分进行一种类型的约束，并不能很好地恢复出干净的样本。针对这种情况，提出了结构化鲁棒低秩恢复算法(structuredandrobustlow-rankre-coveryformixedcontamination，SRLRR)。SRLRR算法利用对二维误差图像的低秩约束移除样本中的连续污染部分，同时利用稀疏约束分离样本中服从拉普拉斯分布的噪声。另外，为了学习到更具有鉴别性的低秩表示，该算法对表示系数进行了块对角结构化约束。在三个常用数据库上的实验证明了SRLRR算法的有效性和鲁棒性。
