SRC
出处:《Robust Face Recognition via Sparse Representation》
ESRC
考虑到图像里的噪声,提出了Extended SRC(ESRC):
根据每类的残差进行分类
CRC
全称Collaborative Representation based Classification with regularized least square
当样本高度相关时,样本y在各个类的投影可能大致相同,SRC的结果就不稳定。于是CRC提出
数学表达如下
m
i
n
∥
α
∥
2
s
.
t
.
∥
y
−
X
α
∥
2
≤
ϵ
min \|\alpha\|_2\qquad s.t.\|y-X\alpha\|_2\leq\epsilon
min∥α∥2s.t.∥y−Xα∥2≤ϵ
ASRC
出处:《Robust Face Recognition via Adaptive Sparse Representation》
综合SRC和CRC,提出自适应的稀疏表示方法
数学表达为
m
i
n
∥
X
D
i
a
g
(
α
)
∥
∗
s
.
t
.
∥
y
−
X
α
∥
1
≤
ϵ
min\|X Diag(\alpha)\|_* \qquad s.t.\|y-X\alpha\|_1\leq\epsilon
min∥XDiag(α)∥∗s.t.∥y−Xα∥1≤ϵ
也可以写为
m
i
n
∥
X
D
i
a
g
(
α
)
∥
∗
+
λ
∥
y
−
X
α
∥
1
min\|X Diag(\alpha)\|_*+\lambda\|y-X\alpha\|_1
min∥XDiag(α)∥∗+λ∥y−Xα∥1
首先了解一个等式(不难证明)
∥
X
∥
∗
=
T
r
[
(
X
T
X
)
1
2
]
\|X\|_* = Tr[(X^TX)^{\frac{1}{2}}]
∥X∥∗=Tr[(XTX)21]
当所有样本互不相关时,ASRC可退化为SRC,证明如下
当所有样本高度相关,X的秩为1时,ASRC退化为CRC,证明如下