光照变化条件下的人脸识别技术研究

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸光照图像时易产生“光晕”难题,提出了一种基于Mean-Shift滤波的Retinex算法,并应用于人脸识别中的光照预处理。对人脸图像进行非线性增强;利用Mean-Shift滤波代替高斯滤波对光照估计,解决传统Retinex算法中存在的“光晕”难题。采用Yale B人脸库对算法性能进行测试,结果表明,该算法能够很好地抑制“光晕”现象的发生,具有光照鲁棒性,提高了人脸的识别率。     

改进Retinex的光照变化人脸图像增强算法

为了提高可变光照条件下的人脸图像整体效果,提出一种基于改进单尺度Retinex的光照变化人脸增强算法。首先对人脸图像进行对数变换,经过曲波变换得到高频和低频两部分;然后采用双边滤波对高频进行去噪处理,同时采用Kimmel变分模型对低频部分进行光滑滤波;最后对人脸图像进行重构,并对图像进行伽马校正处理。在Yale B光照人脸库上的实验结果表明,该算法能较好地防止“光晕”现象出现,可以还原出人脸图像的本来面貌,使人脸图像更加适合人眼观察。     

改进的自商图算法

针对人脸识别中的光照变化问题,提出一种改进的自商图算法。对光照图像进行伽玛变换,使用非下采样轮廓波变换对图像进行多尺度多方向分析,对各方向子带进行Wiener滤波,利用自商图模型提取人脸图像的光照不变特性。Yale B与CMU PIE人脸库上的实验结果表明,与传统算法相比,该算法的平均识别率更高。     

基于曲波变换和Retinex人脸光照处理算法

针对光照对人脸识别影响问题,提出了一种基于曲波变换和Retinex人脸光照处理的算法。该算法对光照变化人脸对数变化后的图片进行曲波变换(Curvelet);利用Kimmel变分模型作为平滑滤波算子对低频图像进行平滑滤波,对高频系数进行阈值去噪。通过曲波逆变换得到光照亮度成分图像;利用Retinex模型提取光照不变成分。通过Yale B与CMU PIE人脸库的实验结果表明:该算法能有效地消除光照变化对人脸识别的影响并提高人脸识别率。     

复杂光照下的自适应人脸图像增强

提出了一种自适应的快速图像增强算法用于改善复杂光照下的人脸检测。算法对人脸图像的增强分为两步:动态范围压缩和细节增强。算法首先利用对数变换和非线性变换,增强图像阴暗区域的信息,同时对高光区域进行有效地抑制,然后利用反锐化掩模滤波对图像的细节进行增强。将各种增强算法应用于图像的预处理,结合Adaboost人脸检测算法,在Yale B人脸数据库上进行对比实验。实验结果表明,自适应快速图像增强算法能有效提高人脸检测率和降低误检率,具有比直方图均衡算法、单尺度Retinex算法和多尺度Retinex算法更好的性能。     

基于本征图像分解的人脸光照迁移算法

提出了一种基于本征图像分解的人脸光照迁移算法.首先,针对本征图像分解效果不彻底的情况,提出了一种改进的本征图像分解方法.在此基础上,为了保持人脸细节特征,提出了一种基于边缘保留的光照滤波算法,对参照人脸进行光照迁移至目标人脸,最后融合目标材质图像与滤波后光照图像进行人脸重光照.实验结果表明,与已有算法相比,该算法能够很好地保留迁移后的人脸肤色,并且所生成的重光照效果更准确、自然.     

基于稀疏差分和Mean-Shift滤波的Retinex算法在人脸识别中的应用

为了提高在光照变化条件下人脸图像的识别率,针对Retinex算法处理人脸光照图像产生的识别率不高的问题,提出了一种基于稀疏差分和Mean-Shift滤波的Retinex算法.对人脸图像增加部分使用稀疏差分,利用Mean-Shift滤波代替高斯滤波对光照进行估计,通过采用Yale B人脸库、CMU-PIE人脸图像库和AR人脸图像库对算法性能进行测试,该算法具有很好的光照鲁棒性,有效地提高了人脸的识别率.     

复杂光照条件下的人脸预处理算法

为了提高光照条件下的人脸识别正确率,提出一种复杂光照条件下的人脸预处理算法。对人脸图像进行局部增强处理,用双边滤波对图像亮度进行估计,采用Gamma校正补偿图像亮度估计产生的损失,将反射分量与亮度估计结果融合获得效果更优的人脸图像,并用K近邻算法建立分类器对人脸进行识别。在Yale、PIE和AR人脸库仿真结果表明,该算法提高了光照条件下的人脸识别正确率,其性能优于当前典型人脸识别算法。     

结合伽马变换和小波变换的PCA人脸识别算法

为了有效地提取人脸特征,提出了一种在传统PCA算法的基础上,结合伽马变换与小波变换的人脸识别算法。该方法对人脸图像进行伽马变换,消除光照等非线性因素的影响;对变换后的人脸图像进行小波分解,用得到的低频分量来替代原始人脸;对得到的人脸低频分量作PCA特征提取,得到最终的鉴别特征。在ORL人脸库上进行测试,该算法的识别率比传统的PCA算法提高了6.5%。     

基于Radon变换的人脸识别

针对目前大部分的人脸识别算法不能同时克服光照、表情、遮挡等复杂条件干扰的问题,提出一种基于Radon变换的人脸识别算法。该算法首先采用一种光照归一化算法对人脸图像进行预处理,然后采用Radon变换提取人脸的不变特征,最后采用二维最近邻分类器进行人脸识别。通过在AR人脸库的人脸识别实验,说明了该算法对多种复杂条件下的人脸识别具有一定的鲁棒性和普适性。     

同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。     

基于人脸图像的性别识别技术

以原始人脸图像为基础,用灰度拉伸、灰度均衡、中值滤波、图像锐化和图像变换等多种处理方法对人脸图像进行预处理,用分形几何的关联维方法提取人脸图像的特征值,并通过BP网络建立性别识别模型。在此基础上,用上述各种预处理方法对29个未参与建模的人脸图像处理,然后进行性别识别。结果表明,用灰度拉伸和傅立叶变换处理的人脸图像,性别识别效果较好;图像变换比其他处理方法的识别效果好;先对人脸图像作灰度拉伸,然后作傅立叶变换,性别识别效果最佳。     

基于傅里叶变换的指纹图像增强算法

在指纹图像识别系统中,指纹图像的预处理是关键环节,而指纹图像的质量和合适的增强技术又是其中的最关键步骤。文章利用基于傅里叶滤波的指纹图像增强算法,在频域中对指纹图像进行处理,通过带阻滤波和方向滤波,取得了较好的图像处理效果。     

一种光照不变人脸识别的预处理算法

提出了一种新的光照不变人脸识别的图像预处理算法称为分段局部归一化方法(SLN)。其思想是对图像像素分段,使得每段中各像素对应的物体表面点具有相近的表面法向量分布,因而对光源具有相似的灰度响应,然后局部归一化在各段中进行以削弱光照影响。该算法首先建立物体的朗伯(Lambert)表面反射模型,用奇异值分解方法估计出人脸形状的平均表面法向量分布矩阵,根据法向量方向利用聚类算法对像素进行分段,然后在各段中进行局部的像素归一化处理,最后传统的人脸识别算法如PCA在归一化后的图像中进行。在Harvard和YaleB人脸图像库中的识别试验表明,该算法能有效地提高在非均匀光照条件下的人脸识别率。     

矿区遥感图像去噪方法研究

去噪是矿区遥感图像得以有效应用的重要预处理步骤。现有的基于统计、基于域变换、基于学习等遥感图像去噪方法普遍存在细节过度平滑、纹理保持不足等问题。基于引导滤波良好的边缘保持特性,提出了迭代引导滤波方法,通过对残差信息进行引导映射,并迭代进行引导滤波及超参数收缩,增强了遥感图像边缘特征提取效果;将迭代引导滤波与传统的小波软阈值、非局部均值(NLM)滤波、三维块匹配(BM3D)滤波等去噪方法结合,有效提高了传统方法的峰值信噪比,其中NLM滤波、BM3D滤波的去噪性能提升效果最明显;将迭代引导滤波与BM3D滤波融合,通过BM3D滤波初步获取去噪图像,得到残差数据,然后采用迭代引导滤波对残差数据进行处理,在提升图像去噪效果的同时,很好地保持了图像细节特征;将迭代引导滤波与BM3D滤波融合方法用于矿区遥感图像的煤矸石场识别及滑坡区域边缘识别,取得了较好的效果。     

改进的单尺度Retinex和LBP结合的人脸识别

为了提高复杂光照条件下人脸识别准确率,提出一种基于改进单尺度Retinex并结合局部二值模式（LBP）的人脸识别算法。首先,利用双边滤波代替Retinex的高斯滤波处理人脸图像,同时使用高斯-拉普拉斯（LoG）及归一化处理提取人脸图像的边缘细节特征,采用标准差的加权方法将两幅处理后的图像进行特征融合,然后使用LBP对融合后的图像进行特征提取,最后通过稀疏表示（SRC）算法对数据样本进行判别归类。在AR和Yale B+人脸库上的实验测试表明,提高了复杂光照下人脸识别的光照鲁棒性,在训练样本较少、光照复杂环境下能取得较好的识别效果。     

结合暗通道先验的光补偿快速去雾算法

针对暗通道先验单幅图像去雾算法去雾不彻底、天空区域偏色严重且去雾速度慢等问题,提出了一种结合暗通道先验的光补偿快速去雾算法。首先将二阶Butterworth高通滤波器引入同态滤波函数,在频域内对最小颜色分量进行增强,同时,平滑最小颜色分量中的光照,补偿局部区域因光照不足引起的图像质量下降;然后用双边滤波对其进行平滑处理,使光照在最小颜色分量图像上过渡更加自然;最后将处理之后的最小颜色分量作为引导图细化初始透射率。实验结果表明,与Tarel算法和中值滤波算法相比,该算法得到的去雾图像具有更好的视觉效果;与引导滤波算法相比,该算法去雾效果更为彻底,天空区域颜色还原准确,且运算速度更快。     

一种人脸标准光照图像的线性重构方法

基于相同光照下不同人脸图像与其标准光照图像之间的稳定关系,文中提出一种人脸标准光照图像重构方法。首先,为消除人脸结构影响,引入人脸三维变形,实现图像像素级对齐。其次,根据图像明暗变化,给出一种基于图像分块的光照分类方法。最后,对于形状对齐后的不同光照类别样本,训练出基于子空间的线性重构模型。该方法有效避免传统预处理方法带来的重构图像纹理丢失和子空间方法引起的图像失真。Extended Yale B数据库上实验表明,该方法对图像真实度与人脸识别率的提升,也验证文中人脸对齐和光照分类方法的有效性。     

一种人脸识别中的光照补偿方法

为了消除光照变化对人脸识别率的影响,提出了一种新的基于双边滤波器的Retinex方法,该方法用双边滤波器来估计光照,并应用Retinex理论来获得光照无关的人脸反射图像.仿真实验表明了这种方法能有效消除人脸中的光照影响.