Data-Driven Bilateral Generalized Two-Dimensional Quaternion Principal Component Analysis with Application to Color Face Recognition

要約

新しいデータ駆動型の双方向一般化二次元四元数主成分分析 (BiG2DQPCA) が、行方向と列方向の両方から行列サンプルの特徴を抽出するために提示されます。
この一般的なフレームワークは、ベクトル化せずに 2D カラー イメージに直接作用し、空間情報と色の情報を適切に保存するため、現実世界のさまざまなアプリケーションに柔軟に適合できます。
BiG2DQPCA の一般化リッジ回帰モデルが、目的の特徴に対する直交性制約を伴って最初に提案されます。
デフレーション手法とマイナー化-最大化のフレームワークを適用して、BiG2DQPCA の最適な特徴を計算する新しい四元数最適化アルゴリズムが提案され、反復ごとに閉形式の解が得られます。
BiG2DQPCA に基づく新しいアプローチが、新しいデータ駆動型の重み付け技術を使用したカラー顔認識と画像再構成のために提示されます。
実際の色顔データベースに対して十分な数値実験が実施され、認識精度と画像再構成率の点で BiG2DQPCA が最先端の方法よりも優れていることが示されています。

要約(オリジナル)

A new data-driven bilateral generalized two-dimensional quaternion principal component analysis (BiG2DQPCA) is presented to extract the features of matrix samples from both row and column directions. This general framework directly works on the 2D color images without vectorizing and well preserves the spatial and color information, which makes it flexible to fit various real-world applications. A generalized ridge regression model of BiG2DQPCA is firstly proposed with orthogonality constrains on aimed features. Applying the deflation technique and the framework of minorization-maximization, a new quaternion optimization algorithm is proposed to compute the optimal features of BiG2DQPCA and a closed-form solution is obtained at each iteration. A new approach based on BiG2DQPCA is presented for color face recognition and image reconstruction with a new data-driven weighting technique. Sufficient numerical experiments are implemented on practical color face databases and indicate the superiority of BiG2DQPCA over the state-of-the-art methods in terms of recognition accuracies and rates of image reconstruction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google