为了有效解决在噪声污染下人脸表情识别的问题，提出了一种具有鲁棒性的表情特征提取方法。通过使用不同的低秩投影矩阵和映射矩阵的方式来约束低秩稀疏表示的重构图像，将高维空间中的原始数据映射到低维空间模型中，以提取出更具判别性的鲁棒特征。同时所提出的方法采用L2,1范数进行约束，L2,1范数不仅对含噪数据和离群数据具有鲁棒性，还具有旋转不变性，能够较好地保留数据的几何结构，这在一定程度上可以提高识别性能。CK+、JAFFE及LFW数据集的实验结果证明了该文方法对噪声具有鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
