杨国亮，丰义琴，鲁海荣

(江西理工大学电气工程与自动化学院，江西 赣州 341000)

基于低秩表示中稀疏误差的可变光照和局部遮挡人脸识别*

杨国亮，丰义琴，鲁海荣

(江西理工大学电气工程与自动化学院，江西 赣州 341000)

可变光照和有遮挡人脸识别是人脸识别问题中的一个难点。受到鲁棒主成分分析法(RPCA)和稀疏表示分类法(SRC)的启发，提出一种基于低秩表示(LRR)中稀疏误差图像的可变光照有遮挡人脸识别算法。在训练阶段，利用LRR计算每类人脸低秩数据矩阵，在此基础上求解每类人脸图像低秩映射矩阵，通过各类低秩映射矩阵将未知人脸图像投影得到每类下的低秩数据矩阵和稀疏误差矩阵，为了有效提取稀疏误差图像中的鉴别信息，分别对稀疏误差图像进行边缘检测和平滑度分析，设计了基于两者加权和的类别判据。在Extended Yale B和AR两个数据库上进行了详细的实验分析，实验结果与其它算法相比较有明显提高，证实了所提算法的有效性和鲁棒性。

低秩表示；低秩映射；稀疏误差图；人脸识别

1 引言

由于受到光照和局部遮挡等因子的影响，传统的人脸识别方法受到实用性的考验。最近几年已经有很多的专家学者开始致力于带光照变化以及局部遮挡的人脸识别研究。主成分分析法PCA(Principal Component Analysis)是将高维数据提取主要特征后实现有效降维。PCA方法对于数据中幅值小的噪声具有较好的鲁棒性，当噪声幅值较大时，算法性能严重下降。Candès E[1]和Wright J[2]提出的鲁棒主成……