[发明专利]一种不完整特征描述的人脸图像聚类方法

说明书

本发明的实施方式提供了一种不完整特征描述的人脸图像聚类方法，属于多视角谱聚类技术领域。该方法包括：将人脸图像的不完整描述特征在核空间实施多视角补全，在局部视角之间相互补全的基础上，考虑联合鲁棒表示特征的生成进行优化；通过在核空间学习人脸图像的鲁棒表示特征，并利用其学习完整的子空间表示；通过引入定制的剪裁张量低秩约束来进行多视角融合，从全局角度学习不同视图子空间表示的张量低秩结构，在捕获视角高阶相关性的同时保持其各异性专属信息。本发明的上述技术克服了现有技术的不足，有效提高人脸图像聚类的准确度。

技术领域

本发明的实施方式涉及多视角谱聚类领域，具体涉及一种不完整特征描述的人脸图像聚类方法。

背景技术

多视角谱聚类是多视角学习问题的典型应用之一，传统的多视角学习方法大多对视角的完整性具有严格的要求。然而，在现实世界中，并不是所有实例都能在所有视角中观察到。人脸图像的部分特征描述缺失并不罕见，例如描述人脸的LBP特征缺失、SIFT特征缺失等，这将导致相关基核的对应行与列缺失。在近期所提出的大多数不完整多视角聚类方法中，大多方法是将核补全和生成最优的鲁棒表示特征“两阶段”分开进行，这阻止了两个学习过程相互优化以实现最佳聚类；大多基于张量的聚类方法都采用了现有的张量低秩范数，没有充分考虑多个相似矩阵构造的张量具有一些独特的局部结构。

发明内容

本发明的实施方式克服了上述技术的不足，提供了一种不完整特征描述的人脸图像聚类方法。首先设计一种针对人脸图像部分缺失的特征描述在核空间进行补全方法，在核补全的同时获得人脸图像的鲁棒表示特征，鲁棒表示特征指导缺失核元素的补全计算，并用缺失核元素进行后续的鲁棒表示特征的生成，两个过程无缝衔接，以实现更好的人脸图像表示特征的获得；此外，通过集成所有子空间表示构建一个3阶张量，对张量的额叶切片和水平切片分别施加对称低秩约束和列级稀疏的低秩约束。利用其捕捉视角内和视角间关系，进而提高了聚类准确度。

本发明实施方式，包括步骤：

通过设计一种针对人脸图像的不完整特征描述在核空间补全的方法，同时从核重建和联合鲁棒表示特征进行优化的角度考虑补全策略并获得最优的人脸图像的鲁棒表示特征；

根据鲁棒表示特征，构造不同视角的子空间表示；

通过集成所有视角的子空间表示，构建张量子空间表示,并施以剪裁张量低秩约束；

利用张量子空间表示，计算出亲和子空间表示，并将其送入谱聚类算法中，计算出聚类结果；

根据所得到的聚类结果，计算所述人脸图像数据集的图像聚类准确度。

进一步地，所述的利用其他不完整核矩阵来计算每个不完整核矩阵，其计算公式为：

其中，V表示各个数据集的视角总数，β＝[β⁽¹⁾，β⁽²⁾，…β^(V)]^T是由V个基核系数组成，||·||_F为Frobenius范数。

进一步地，所述的以一种联合的方式进行核缺失部分的补全并得到人脸图像的鲁棒表示特征：

其中，I_n是大小为n×n的单位矩阵，(·)^T表示矩阵的转置，Tr(·)表示矩阵的迹。

进一步地，所述的构造完整子空间表示为：

其中，Z_p是第p个视角的子空间表示。

进一步地，所述的通过集成所有视角的子空间表示构造张量子空间表示，并施以剪裁张量低秩约束，其公式为：