基于总变分模型的光照不变人脸识别算法

提出了一种基于L1总变分模型的对数商图像光照不变人脸识别算法。用L1总变分模型作为低通滤波算子对图像平滑滤波,得到图像光照分量的估计,然后在对数域中定义原图像与其光照分量的商为光照归一化图像,并用该图像作为光照不变量进行人脸识别。基于L1总变分模型的平滑滤波具有较好的边缘保持作用,能有效地消除光晕现象,并且参数设置简单。在YaleB和CMU PIE 人脸图像库上的试验结果表明,该算法能有效地提高人脸识别系统在不同光照条件下的识别率。     

基于Lambert光照模型的图像真伪盲鉴别算法

依据Lambert光照模型,提出了基于Lambert光照模型的图像真伪盲鉴别算法.针对无限光源图像和局部光源图像,根据其实际的光强度与计算出的光强度之间的误差函数以及光源对光线的约束函数,分别提出了相应的算法用以计算图像中不同区域的光源方向,并根据这些不同区域的光源方向是否一致判定图像是否被篡改,从而对图像真伪进行盲鉴别.实验结果及分析表明,针对这2种图像各自提出的光源方向计算方法,能够准确地计算出图像中不同区域的光源方向,从而有效地鉴别出图像的真伪.     

一种用于图像内容鉴别的数字签名方案

提出了一种稳健的数字签名方案用于图像内容鉴别．通过对图像的预处理，从图像行与列中提取出对JPEG压缩稳健的原始信息序列，然后利用Hash函数对原始信息序列进行加密并提取签名比特．产生的数字签名可以有效地鉴别图像内容的真伪并对蓄意的修改进行交叉定位．由于数字签名对于JPEG压缩是稳健的，从而把JPEG压缩操作与对图像的恶意修改区分开来．理论分析结果表明这种数字签名具有较高的修改检测概率．仿真结果充分证明了该方案的正确性和有效性．     

经典光照模型实现人脸图像光照方向准确估计

光照分析对人脸图像的识别与跟踪有重要意义,提出一种人脸图像光照参数准确估计算法。该算法根据光照模型构造光照参数求解的迭代方程,光照参数根据不同需要可同时包含光照能量,光照方向矢量和环境光能量等信息。实验显示迭代过程能迅速收敛,并且光照角度估计准确,yaleB实验数据的水平角度估计平均错误率仅为5.43°。由于算法隐含了人脸姿态描述,因此其另一优势是可以同时对人脸姿态和光照条件进行综合分析,大量实验测试说明该算法用于光照估计有效可行。     

实时全局重光照算法

提出了一个实时全局重光照算法．算法利用重建的几何模型和沿不同光照方向的预采样图像恢复材料的反射属性，通过这些属性得到了面片在不同采样图像上的间接光照和环境光照．并用低价基函数将它们拟合．重光照绘制时，将恢复的材料属性应用于光照明模型计算出直接光照分量问接光照和环境光照分量由低阶基函数获得．物体表面细节则通过求解表面法向和材料属性的扰动量重建.实验结果表明，算法有效地重建了全局光照明效果和表面细节，生成的阴影边缘清晰，且绘制速度迭到实时．     

基于图像的光照模型研究综述

从传统图形学的绘制技术与基于图像的绘制技术相结合的角度出发,以全光函数这个基于图像的绘制技术的理论基础为核心,概括性地提出基于图像的光照研究的基本任务实际上是对全光函数的采样、重建、合成和重采样的过程,并进一步地指出,基于图像的光照研究的重要意义在于扩展了原有基于图像的绘制技术中只能改变视点位置和视线方向的限制,使之可以通过改变场景本身的组成成分产生出更加丰富的光照效果。同时,该文综述性地分析了近期内有关基于图像的光照问题的部分研究工作,并从如何改变场景光照条件的角度出发,按照所使用的光照模型的不同,将这些方法分成三大类,即利用传统光照模型的方法、利用基于图像的光照模型的方法以及无需光照模型的方法。并从这个分类框架出发,进一步分析指出,利用基于图像的光照模型的方法将是未来研究的重点,并沿着这一方向尝试性地提出了一种新的模型。     

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络（Dynamic Convolution Neural Network,DCNN）算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。     

基于相机阵列的高动态范围图像合成方法

针对传统的高动态范围图像合成方法不能适应动态光照的问题, 提出了基于相机阵列的不同曝光的多幅图像的配准及高动态范围图像合成方法。首先利用相机阵列获取不同曝光图像, 结合相机阵列标定参数, 采用光场合成孔径理论对图像进行配准, 并对配准后的图像作中值位图进行二次配准。根据拟合出的各相机的光照响应曲线, 进而将二次配准后的不同曝光的图像合成为一幅高动态范围图像。实验表明, 该方法可以有效地在动态光照下合成高动态范围图像, 取得了不错的效果。     

基于光照线性子空间的人脸图像识别研究

以前的研究已经证明,在变化光照条件,甚至多个光源和阴影存在的情况下,对象（尤其是人脸）所形成的图像能够被低维线性子空间有效地表示。Lee证明了存在9个光源方向的统一配置,任一对象在这些统一配置光照方向下的9幅图像所组成的线性子空间,能够很好地表示该对象所有光照情况,并且达到了很好的识别性能。但它要求每一对象在统一配置光照方向下的9幅图像作为训练集,这一要求限制了它在实际中的应用。此外,商图像方法中简单的三维点光源模型无法很好地近似任意光照情况,因此,提出一种基于九维线性子空间的改进的商图像方法,并利用改进后的商图像方法合成对象在统一配置光源方向下的9幅图像,克服了Lee所提方法的不足。该文方法较好地满足了商图像方法的理论前提,从而达到了较好的图像合成和人脸识别性能。     

雾天室外场景光照参数估计

在雾天情况下,雾对光线的散射使得室外场景的光照发生很大变化,太阳光和天空光的参数估计变得更为复杂.结合雾天情况下的大气散射模型,提出了室外场景的雾天基图像模型,并基于该模型提出了雾天室外场景图像光照参数估计算法.在已知场景基图像的条件下,利用迭代散射系数方法,优化求解雾浓度与场景深度图像,然后通过对去雾图像进行分解,获得最佳的去雾图像以及正确的光照分解系数.算法能够得到较为精确的雾浓度与场景深度图像.实验结果表明了算法的有效性.     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

基于图像分解的光照估计算法

增强现实技术的目的在于将计算机生成的虚拟物体叠加到真实场景中。实现良好的虚实融合需要对场景光照进行估算,针对高光场景,利用场景中的不同反射光信息对场景进行有效的光照估计,首先通过基于像素聚类方法的图像分解对图像进行反射光的分解,得到漫反射图和镜面反射图,对漫反射图进行进一步的本征图像分解,得到反照率图和阴影图;之后结合分解结果和场景深度对输入图像的光照信息进行计算;最后使用全局光照模型对虚拟物体进行渲染,可以得到虚实场景高度融合的光照效果。     

基于图像的光照模型的研究与实现

为了把计算机生成的虚拟物体更好地融入真实场景的实拍照片中，实现光照一致性的效果，提出了一个基于图像的光照模型，它使用光测图作为光源从而实现对场景的照明。在研究基于图像的局部光照模型时，又提出了双向折射率分布函数这一概念，从而简化了局部光照模型的设计。在实现阶段，采用立方体环境映照来表示场景，采用光测图记录环境映照中光辐射的分布信息，从而提高了绘制效率。实验表明，本模型较成功地实现了光照一致性，在增强现实、图像合成等方面具有很大的应用价值。     

光照鲁棒的模糊C均值聚类显微图像分割

传统的模糊C均值FCM聚类图像分割算法在显微图像分割中由于没有考虑光照不均匀的影响而降低了分割的效果,为此,提出了一种光照鲁棒的FCM显微图像分割算法。该算法用正交基函数的线性组合模拟不均匀光照,并引入到FCM算法的目标函数中,进行图像的模糊分割。算法不仅降低了非均匀光照对分割效果的影响,还可以同步估计不均匀光照场。实验结果表明,该方法非常有效。     

基于衰减式生成对抗网络的单幅图像阴影去除

图像中的阴影是投影物体的重要视觉信息,但也会对计算机视觉任务造成影响。现有的单幅图像阴影去除方法因鲁棒阴影特征的缺乏或训练样本数据的不足与误差等原因,无法得到好的阴影去除结果。为了准确生成用于描述阴影区域光照衰减程度的蒙版图像,进而获得高质量的无阴影图像,提出了一种基于衰减式生成对抗网络的单幅图像阴影去除方法。首先,敏感因子引导的衰减器被用来提升训练样本数据,为后续的生成器与判别器提供符合物理光照模型的阴影样本图像。其次,生成器将结合感知损失,并在判别器的督促下得到最终阴影蒙版。与相关研究工作比较,所提方法能有效恢复阴影区域的光照信息,可以得到更为逼真、阴影边界过渡更加自然的无阴影图像。利用客观指标评价阴影去除结果。实验结果表明,该方法能在多个真实场景下有效去除阴影,去阴影结果视觉一致性良好。     

基于小波商图像的人脸光照补偿

复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照补偿算法.该方法根据人脸光照线性变换子空间理论--商图像理论,构造了小波低维训练集,实现了对待识别图像的光照条件估计,并且通过加光和去光策略增强了光照补偿效果.与传统商图像理论相比,该方法利用小波分解,提高的算法执行效率,实验结果表明,该算法以较小的代价取得了较高的识别性能.