复杂光照条件下基于深度学习的人脸识别方法

由于传统方法在复杂光照条件下人脸识别的识别时间比较长、误识率较高，提出复杂光照条件下基于深度学习的人脸识别方法。首先，利用相机与灯光组合拍摄不同光照条件下人脸图像，建立复杂光照条件下人脸数据集。其次，对人脸图像进行对数转换、直方图均衡化以及自适应滤波处理。最后，建立深度学习网络模型，利用模型提取和识别人脸特征。分析实验可知，在复杂光照条件下，设计方法人脸识别时间在1 s以内，误识率在1%以内。     

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。     

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。     

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。     

一种光照变化条件下的人脸识别方法

针对光照变化引起的人脸识别问题,提出一种区域光照人脸识别方法。首先采用区域划分技术将人脸图像分为4个区域,以区域范围内的灰度变化作为光照影响人脸显示的度量值,对受光照影响区域进行频域光照归一,再以区域为单位采用支持向量机进行识别,最后对识别结果进行融合。实验表明,该方法可以在光照变化条件下获得较好的人脸识别率。     

基于支持向量机的人脸识别技术研究

研究人脸识别优化问题,不同程度光照对人脸图像的采集具有不利影响,使图像中包含一些噪声信息,而当前人脸识别算法没有考虑不同程度光照对人脸图像的影响,仅在光照变化不大时,识别正确率高.为了解决光照条件对人脸识别不利影响,提高脸识别正确率,提出一种多尺度Retinex( MSR)和支持向量机(SVM)相结合的人脸识别算法(MSR - SVM).MSR - SVM首先采用MSR对人脸图像进行预处理,消除光照变化的不利影响,然后采用PCA提取人脸图像特征,消除一些噪声信息,最后利用SVM分类算法对人脸图像进行分类.采用Yale人脸库对MSR - SVM算法进行仿真测试,仿真结果表明,改进方法可以消除光照变化对人脸识别不利影响,加快了人脸识别速度,提高了人脸识别正确率.     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

基于光照分类的可变光照下人脸识别方法

针对人脸识别中的光照变化问题,借鉴“分而治之”的思想,提出通过光照分类来提高不同光照情况下人脸的识别率。根据人脸图像灰度随光照变化的分布特点,将图像划分为三类：无偏光类、左偏光类和右偏光类,分别在不同的光照子集中对人脸图像进行处理与识别,并在YALEB人脸库上完成实验验证。结果表明,该方法不需要进行光照归一化处理,有效减弱了光照不均匀对人脸识别的影响,在提高识别率的同时降低了运算量,识别率可从未分类前的86.7%提高到99.6%,对于可变光照下的人脸识别有一定的应用前景。     

拉普拉斯滤波结合CS-LBP的单样本人脸识别

针对传统的人脸识别算法在单训练样本的情况下识别率不佳的情况,提出一种结合拉普拉斯滤波与中心对称局部二值模式的人脸识别算法（LFCLBP）。对原始人脸图像进行拉普拉斯滤波处理;然后对图像提取梯度幅值和梯度相位信息,对梯度幅值用CS-LBP算子编码,再将梯度相位量化到16个区间进行编码,将二者融合成人脸图像的LFCLBP特征;分块统计直方图特征,将所有分块的直方图串联起来作为人脸图像的特征向量,并用最近邻分类器识别。在YALE人脸库和AR人脸库上进行测试,测试结果表明该算法有效,在光照变化、表情变化和部分遮挡等环境下对单样本人脸图像具有较好的识别效果。     

基于加权边缘弱化引导滤波的人脸光照补偿

光照的变化是影响人脸识别结果的重要因素之一,针对这一问题,提出一种基于加权边缘弱化引导滤波的人脸光照补偿方法。首先为引导滤波损失函数添加一个可区分边缘细节的惩罚项,然后为惩罚项加权,加权系数由正面光照样本的类间平均脸计算得到,最后将滤波后的图像作为自商图中的平滑图,得到光照补偿图像。实验结果表明,该方法弱化了人脸平滑区域由光照造成的边缘细节噪声,且使用光照补偿图像作为人脸识别输入,能有效提高人脸识别准确率,特别在光照大范围变化时,识别准确率提升程度更高。     

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper.According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning.Using this method we convert the color image to binary image and then segment face-candidate regions in the video images.In order to improve the quality of binary image and remove unwanted noises,filtering and mathematical morphology are empolied.After these two processing,we use facial feature matching for further detection.The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method.The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent.So it is suitable to be applied to real-time face detection and tracking in video sequences.     

基于DWT和形态学滤波的图像伪造检测方法

针对图像中复制-移动和拼接形式的图像伪造检测,提出一种基于离散小波变换(DWT)和形态学滤波的图像伪造检测方法。首先,将图像转换为灰度图,通过应用DWT获得LH、HL和HH子带。然后,通过阈值判断来获得伪造图像区域的边缘,并通过形态学滤波来连接边缘使其清晰化。最后,提取伪造区域的SIFT特征,并通过相似性检测来寻找图像中与伪造区域相似的区域,以此来确定伪造类型。实验结果表明,该方法能够准确检测出伪造区域和伪造类型。     

基于单张照片的三维人脸重建优化算法

传统人脸三维重建算法难以确定人脸形状,并且计算复杂。针对此问题,提出一种以水平集方法获取人脸轮廓并结合明暗恢复形状(SFS)算法重建三维模型的方法,该方法仅需单张正面人脸照片。首先采用主动形状模型确定人脸轮廓,将其作为水平集的初始演化曲线,分割出完整的人脸形状;然后对人脸区域进行灰度变换,求出灰度图像;最后通过SFS算法重建已知光照条件的人脸图像的三维模型,将该模型作为参考与灰度图像匹配,进而确定其光照条件和三维模型。实验结果表明,与基于网格模型的算法相比,该方法可快速地重建具有完整形状的人脸模型。     

一种直线提取的新方法

直线提取是版面分析中的一个重要过程。该文提出了基于Hough变换的结构元素构造方法(HTSEC)以及基于数学形态学的直线提取方法(MMLE)，即首先将灰度文档图像利用半色调技术转换为二值图像，利用Hough变换检测直线倾斜角度以动态构造结构元素，然后利用数学形态学方法提取文档图像中的直线。     

改进的自动颜色均衡化图像对比度增强

提出了一种改进的自动颜色均衡化方法,用于灰度和彩色图像对比度的增强。通过考虑图像中颜色或灰度的空间分布,首先对图像进行了局部自适应滤波,其中使用了改进的相对亮度表观函数。而后对图像进行动态范围调整以得到最终结果。在对彩色图像处理时,通过将图像从RGB空间转至HSV空间,仅对亮度通道进行滤波以保持颜色不失真。实验结果表明,方法可有效增强图像的对比度,且不会引入明显噪声。     

灰度极限脉冲耦合神经网络混合噪声滤波

针对图像中同时存在椒盐噪声和高斯噪声,提出一种基于灰度极限和脉冲耦合神经网络(PCNN)滤除混合噪声的新方法。首先,根据灰度极值定位出椒盐噪声点;其次,在滤波窗口中对椒盐噪声点进行均值滤波;然后,利用PCNN赋时矩阵定位出高斯噪声点;最后,自适应调整可变灰度步长,选择不同滤波方法滤除高斯噪声。实验结果表明提出的算法较常见的混合噪声滤波方法在主观滤波效果和客观评价指标峰值信噪比(PSNR)及信噪比改善因子(ISNR)两方面均有明显的优势。     

一种彩色人头图像面部特征区域快速提取方法

利用彩色人头图像在RGB色彩空间三个色彩分量之间存在的密切相关性,提出只对一个色彩分量进行分析提取,来确定彩色人头图像的面部特征区域,提取过程采用积分投影图和局部特征扫描分析,有针对性地选择边缘检测算子确定局部轮廓.该方法算法复杂度低,实验结果表明能得到较精确和满意的提取结果.     

一种新的指纹脊线提取方法

本文提出一种新的指纹脊线提取方法。首先利用灰度形态学，结合条件模板进行滤波，然后用Ｏｔｓｕ方法分割得到二值图像，再将原图反相，进行上述同样处理，最后融合两次分割的结果，提取指纹脊线。实验结果证明本法具有抗噪性、旋转不变性。     

一种基于DWT和DCT的盲灰度级水印算法*

提出一种新的盲灰度级水印算法.它充分利用离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力,将预处理后的灰度水印图像隐藏在原始图像DCT系数量化值的奇偶性中,在水印的提取过程中不需要原始图像的参与.实验结果表明,该算法对图像剪切、JPEG有损压缩、中值滤波等攻击有很强的鲁棒性,对旋转、噪声等攻击也具备了一定的抵抗能力.     

结合小波变换和改进邻域权值的FCM算法

针对改进的模糊C均值聚类算法在进行图像分割时构建的邻域权值函数未能同时考虑空间结构信息和灰度值域信息,而导致对噪声敏感及边缘纹理信息的处理粗糙的问题,提出了一种结合小波变换和改进邻域权值的FCM算法.该算法首先在原始灰度图像的基础上进行小波多分辨率分析的自适应阈值去噪处理;然后在重构图像上结合双边滤波的思想构建一个基于图像块局部空间邻域信息和灰度值域信息的改进邻域权值函数.实验结果表明,该算法比传统FCM算法以及FCM的改进算法有更高的分割精确度,对强噪声更具鲁棒性,图像边缘也更加平整.