TY - JOUR A2 - Tang, Niansheng AU - Likassa, Habte Tadesse, PY - 2020 DA - 2020/04/10 TI - New Robust Principal Component Analysis for Joint Image Alignment and Recovery via Affine transform, Frobenius and本文提出了一种有效的、鲁棒的方法对一组线性相关数据进行图像对齐和恢复 l 2，1 规范。最流行和成功的方法是将鲁棒PCA问题建模为存在稀疏破坏的低秩矩阵恢复问题。现有的算法在处理异常值和重稀疏噪声对图像对齐和恢复的潜在影响方面仍存在不足。因此，新算法通过使用仿射变换和Frobenius and .的新思想解决了异常值和重稀疏噪声的潜在影响 l 2，1 规范。为了达到这个目的，仿射变换和弗罗本尼乌斯 l 2，1 分解过程中纳入了规范。因此，新算法对错误、异常值和遮挡更有弹性。为了解决所涉及的凸优化问题，还考虑了交替迭代过程来降低复杂性。对人脸图像和手写数字的恢复进行了仿真，验证了该方法的有效性。《数学与数学科学杂志》(the Journal of Mathematics and Mathematical Sciences