《表4 几种代表性方法在Multi-PIE人脸库上的实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《低分辨人脸识别综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

由图11比较结果可以看出，由于CDMMA方法同时融合标签信息和训练样本的局部几何结构信息，而CLPM只考虑了训练样本的局部几何结构，因而CDMMA较CLPM识别率提升近2.5%，达到90.2%。Wang等人[5]对几种方法在FERET人脸库上的识别性能进行了比较。表3为几种代表性方法在FERET人脸库上的实验结果对比[5]。由表3的比较结果可以看出，SDA较其他代表性方法具有明显的优势，该方法在人脸图像分辨率为12×12时取得92.7%的识别率。由于该方法对高、低分辨率判别信息进行了组合优化，在一定程度上更有利于分类，对表情变化具有较好的鲁棒性。Mudunuri等人[37]在Multi-PIE人脸库上验证了CDDTL方法的效果。采用20种光照条件下4种不同人脸姿态图像作为图像库，随机选取100个人的人脸图像作为训练集，剩下的用于测试，其中HR人脸图像分辨率为60×55，LR人脸图像分辨率为20×18。表4为几种代表性方法在Multi-PIE人脸库上的实验结果对比。由表4比较结果可以看出，CDDTL相比其他方法，通过联合学习支持跨域分类耦合字典和变换矩阵，因而该方法对人脸姿态更具鲁棒性，识别性能较好且稳定。