基于加权稀疏低秩组件编码的猪脸识别算法

发布时间：2021-07-13 15:39

　　针对养殖行业中动物很难适应耳标的问题,采用非入侵的识别方式进行猪脸识别,提出了基于加权稀疏低秩组件编码的猪脸识别算法.应用视网膜皮层理论与区域协方差滤波器来估计光照,并结合文中新算法提出自适应伽马校正方法对获取的反射分量进行增强,以减少光照对识别结果的影响;同时,采用训练样本中的低秩组件构建字典矩阵,并重构残差函数处理误差,以提升算法应对含有污垢图像的识别性能.在JDD2017猪脸数据集上进行了光照和面部污垢验证试验,分别统计其识别率与耗时情况.结果表明:文中所提出算法显著优于传统稀疏表示方法,具有容忍光照变化、污垢和训练耗时短的优点. 

【文章来源】：江苏大学学报(自然科学版). 2020,41(03)北大核心

【文章页数】：7 页

【部分图文】：

不同γ的变化曲线

为了解决光照和面部污垢对猪脸识别的影响,文中提出了一种基于加权稀疏低秩组件编码的猪脸识别算法,算法总体流程图如图2所示.文中算法主要由两部分组成:光照处理模块和面部污垢处理模块.在光照处理模块中,融合区域协方差滤波器改善Retinex理论对图像的增强,提出自适应伽马校正算法对获取的反射分量进行增强.通过对训练样本和测试样本进行预处理,可以减少光照对分类的影响,进而提高识别结果.

把求得的γ代入式(16)中,可以有效增强低对比度图像.图3为光照处理示意图,应用协方差滤波器处理后的图像如图3b所示,应用自适应伽马校正增强的图像如图3c所示.2.2 稀疏低秩组件编码

【参考文献】：
期刊论文
[1]图像去雾的最新研究进展[J]. 吴迪,朱青松.  自动化学报. 2015(02)



本文编号：3282336