一种在光照变化条件下的人脸图像预处理算法

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题。为了提高人脸图像的识别率,本文提出了一种用于非均匀光照条件下人脸预处理中的算法,推导出了相对完整算法。通过Matlab编程实验,在Yale人脸库中达到了较高的识别率。     

基于几何模型的单幅人脸图像光照补偿方法

为减少光照对人脸识别的影响,本文提出了一种以补偿角度和（Sum of Compensated Angle）为不变量的光照补偿新方法. 首先,补偿角度和是临界补偿状态下两幅图像的光照角度之和. 对某单光源系统,该不变量仅由光照系统决定且为定值. 其次,根据人类头骨在法兰克福截面的形状特性,我们提出了包含人头骨结构的几何人脸光照模型. 据此模型,补偿角度由不变量和待补偿图像的光照角度计算得出,从而将光照补偿转化为简单加法操作. 最后,在Yale B人脸数据库上的补偿结果表明了算法的有效性. 较Sang-Ⅱ Choi的方法显著地提高了大角度下的补偿效果,且在水平和竖直方向上更加鲁棒.     

一种利用人脸对称性的光照归一化方法

光照归一化在光照鲁棒的人脸识别中被广泛使用.许多现有光照归一化方法将人脸图像视为自然图像,而忽略了人脸这一类特定物体的先验属性,因此很难从一幅具有侧光的人脸图像中恢复阴影区域中的人脸信息.提出了利用人脸对称性先验的光照归一化方法,在能量最小化框架下,对人脸图像的阴影区域进行光照归一化时参考其对称非阴影区域中的人脸结构信息,同时提出了无阴影信度图将二元最优化问题简化为一元最优化问题,以降低光照归一化方法的计算代价.在合成阴影和真实阴影人脸图像上的实验表明,利用人脸对称性的光照归一化方法能有效恢复图像阴影区域中的人脸特征,并对人脸误配准和非对称几何归一化具有一定的鲁棒性.     

一种人脸图像光照补偿的新方法

光照的变化容易引起人脸识别率急剧下降,针对这一难题,提出一种新的光照补偿的方法.首先通过构造原人脸图的二值图,确定出原图所属的光源方向.在除正面光源外的每个光源方向上构造出通用的平均亮度差值来进行光照补偿.结合去掉三个特征值最大的PCA特征向量的方法进行识别.实验表明,这种方法能够显著提高光照变化条件下的人脸识别率,特别是对于光照条件大范围变化的情况,也可以得到比较高的正确识别率.     

基于人脸标准化的纹理和光照保持3D人脸重构

现有人脸纹理重建方法对于人脸的皱纹、胡须、瞳孔颜色等重建效果往往不够细致.为了解决此问题,文中提出基于人脸标准化的纹理和光照保持3D人脸重构.首先对 2D 人脸图像标准化,使用光照信息和对称纹理重构人脸自遮挡区域的纹理.然后依据 2D-3D点对应关系从标准化的 2D 人脸图像获取相应的3D人脸纹理,结合人脸形状重构和纹理信息,得到最终的 3D人脸重构结果.实验表明文中方法有效保留原始2D图像的纹理和光照信息,重构的人脸更自然,具有更丰富的人脸细节.     

一种改进的三维人脸重构方法

提出一种改进的三维人脸重构方法。该方法采用基于单个相机的双目立体视觉系统对人脸进行采样,根据人脸对称性假设,运用补洞与纠错技术进行自动点云优化。继而采用简化的Candide-3模型作为细分初始控制网格,局部加细地进行细分曲面分层次拟合操作,采用测地线映射技术对不同表情进行归一化,并分别建立人脸数据库。实验结果表明,采用单相机立体视觉系统在提高重建精度的同时,很大程度上避免由于双相机拍摄不同步引起的重建鲁棒性降低问题。而采用细分曲面作为存储结构,在节约空间的前提下,为分层次比对筛选提供理论支持。该系统成本较低,适合在许多领域推广应用。     

一种基于小波的人脸图像光照归一化算法

光照变化严重影响了人脸图像的外貌,这阻碍了人脸识别的过程。为了识别可变光照下的人脸图像,提出了一种基于小波的光照归一化算法,将一幅图像分解为低频成分和高频成分,对不同的频带成分进行不同的操作——对低频成分进行直方图均衡化,同时着重强调细节（高频成分）,将它乘以一个标量从而增强图像边缘;对修改后的系数进行逆小波变换就得到归一化后的图像。最后,直接使用PCA方法对单训练样本条件下的人脸进行识别,在AR和FERRET人脸库上的实验结果表明,提出的方法可以显著提高人脸识别系统的识别率。     

任意光照下人脸图像的低维光照空间表示

本文提出一种不同光照条件下人脸图像的低维光照空间表示方法.这种低维光照空间表示不仅能够由输入图像估计其光照参数,而且能够由给定的光照条件生成虚拟的人脸图像.利用主成分分析和最近邻聚类方法得到9个基本点光源的位置,这9个基本点光源可以近似人脸识别应用中几乎所有的光照条件.在这9个基本光源照射下的9幅人脸基图像构成了低维人脸光照空间,它可以表示不同光照条件下的人脸图像,结合光照比图像方法,可以生成不同光照下的虚拟人脸图像.本文提出的低维光照空间的最大优点是利用某个人脸的图像建立的光照空间,可以用于不同的人脸.图像重构和不同光照下的人脸识别实验说明了本文算法的有效性.     

基于多方法融合的人脸图像光照纠正算法

提出了一种人脸识别图像的光照纠正预处理算法.该算法首先将均衡化引入仿射变换算法和光照补偿算法中,改进它们的处理效果;然后采用一种基于直方图灰度重心分布统计的方法,将多种预处理算法有效地融合在一起,得到新的光照纠正预处理算法.实验表明该算法具有光照无关性,能取得良好的光照纠正效果,并可大幅度提高复杂光照环境下的人脸识别率.     

深度人脸识别的光照分析

光照是影响人脸识别效果的重要因素,针对当前人脸数据建库技术构建满足光照分析需求的数据库难度较大的问题,开展基于三维人脸模型的深度人脸识别光照分析研究.首先,借助三维人脸模型,根据人脸基图像表示理论提出一种对应任意光照的人脸图像生成方法,用于构建光照分析所需的人脸图像库;然后,利用构建的多光照人脸图像库分析不同光照采样方案对人脸识别模型性能的影响,探索建库所需的最优光照采样方案;最后,借助虚拟数据具有准确光照标注的优势,基于多任务学习框架测试不同光照标注方法对识别网络训练效果的影响,进一步提高深度人脸识别网络对光照变化的鲁棒性.通过在虚拟数据和真实数据上开展的不同光照采样方案及标注方法对人脸识别模型性能影响的实验得出,使用适量基图像光照构建数据库是一种有效的光照采样方案,而准确的光照标注可进一步提升人脸识别率,对应的识别模型在具备极端光照的测试集上的人脸识别率可达98%以上.该研究提高了深度人脸识别模型的性能,为构建人脸图像库的光照采样策略和光照标注方法提供了依据.     

基于三维建模的眼镜遮挡下人脸识别

眼镜作为人脸特征的不稳定性是眼镜遮挡人脸识别的主要问题。为避免现有方法消除不稳定眼镜特征时带来的人脸特征丢失,将眼镜视为人脸固有部分,提出一种基于三维建模生成人脸虚拟样本补偿眼镜不稳定性的方法。三维建模方便眼镜模型参数的调节。通过调节眼镜参数,具体分析眼镜不同部分对人脸识别的影响,同时,针对影响严重的镜片模糊和反光,均做相应处理。CAL-PEAL的实验表明本文方法对识别性能的大幅度改善,并验证镜片处理的有效性。     

三维鼻形:一种新的生物特征识别模式

鼻子是脸部最显著的器官之一,首次用三维鼻形作为生物特征进行身份识别,并提出了有效的三维鼻形识别方法,包括基于特征点的鼻子区域定位、利用ICP方法进行鼻形对齐、相似度量定义3个步骤.在FRGC 1.0数据库上获得3.15%的等错误率和92.1%的rank-1识别率,实验结果表明,采用三维鼻形有较强的判别能力.     

基于局部线性投影的三维旋转人脸识别

本文在基于三维形态学模型的人脸识别研究中,运用局部线性投影算法(ProjectiveLLE,PLLE)取代了普遍使用的经典降维方法PCA,在高维空间中减小了降维过程中的线性失真。有效提高了所构建的三维形态学模型的质量,经实验证明该算法对于提高拟合的精度和大角度旋转人脸的识别率都取得了比较理想的效果。     

多姿态人脸识别综述

多姿态人脸识别已成为人脸识别研究的重要方向之一。简要回顾人脸识别研究进展,针对近年来国内外出现的多姿态人脸识别技术和方法进行简单介绍和系统分类,分析各种方法的优缺点,并做出简要评价。阐明多姿态人脸识别技术所面临的挑战,展望未来多姿态人脸识别研究的发展方向。     

一种基于局部描述符的三维人脸识别方法

提出一种局部描述符进行三维人脸识别。每个采样点的局部特征定义为该点根据其法向量与3个主轴之间的角度自适应选取的邻域点集向人脸主轴平面投影所得的面积。文中提出的三维人脸识别算法首先对人脸进行预处理,归一化到较统一的姿态后,提取与鼻尖等距的轮廓线,并对轮廓线进行重采样以剔除无用点。然后对每个采样点提取局部特征。最后建立人脸之间的点对应关系,将加权融合后的局部特征用于识别。通过实验认证,文中方法识别效果较好,且对遮挡和噪声有较好的鲁棒性。     

基于人脸分类和K-L变换的人脸识别新方法

为解决目前人脸识别领域中,对含有大量人脸样本训练库识别准确性低、实时效果差的问题,本文提出了一种基于人脸分类的K-L变换人脸识别新方法。该方法首先采用协同模式将ORL人脸库中的人脸样本分成若干聚类;之后利用K-L变换的方式识别待测人脸样本。降低了参加识别比对的样本数量,提高了人脸识别的效率,适用于身份鉴别领域。     

Object-based illumination classification

Estimation of scene illumination from a single image or an image sequence has been widely studied in computer vision. The approach presented in this paper, introduces two new issues: (1) illumination classification is performed rather than illumination estimation; (2) an object-based approach is used for illumination evaluation. Thus, pixels associated with an object are considered in the illumination estimation process using the object's spectral characteristics. Simulation and real image experiments, show that the object-based approach indeed improves performance over standard illumination classification.