江苏大学学报(自然科学版)

作者：成科扬，孙家傲,毛启容，詹永照

单位：1. 江苏大学 计算机科学与通信工程学院， 江苏 镇江 212013； 2. 江苏省大数据泛在感知与智能农业应用工程研究中心， 江苏 镇江 212013<br />

关键词：猪脸识别, 稀疏表示分类, 低秩分解, Retinex, 残差函数

基金：国家自然科学基金资助项目(61602215，61672268)； 社会安全风险感知与防控大数据应用国家工程实验室主任基金资助项目(201807)<br />

&nbsp;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.

来源：2020年第3期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2020年第3期