摘要

鲁棒主成分分析被广泛应用于计算机视觉领域,然而现有鲁棒主成分分析方法难以针对各种场景准确分离出低秩信息,而且计算成本高导致算法的实时性不足.针对这两个问题,本文提出了一种新型鲁棒主成分分析算法.一方面基于先验秩信息提出了低秩约束改进模型,提高算法在不同场景中的泛化性能;另一方面引入了黎曼优化理论,将目标矩阵投影到低维子空间上求解,减少算法的运算复杂度.各种实验结果表明,与现有算法相比,改进算法在速度上有非常大的优势,同时能够保证稳定的恢复能力.

全文