基于Retinex算法的光照变化条件下人脸识别研究

光照变化会对人脸识别结果产生干扰,导致当前光照变化人脸识别结果不理想,为了降低光照变化对人脸识别结果的不利影响,以提高光照变化人脸识别效果,设计了基于Retinex算法的光照变化条件下人脸识别方法。采用激光传感器采集光照变化下的人脸图像,并对人脸进行格式转换,然后采用Retinex算法对转换后的人脸图像进行增强操作,消除光照变化对人脸图像干扰,改善人脸图像质量,最后采用模式识别技术设计人脸图像识别的分类器,并与其他人脸图像识别方法进行了对比测试。实验结果表明,本方法消除了不同光照变化的干扰,提高了人脸图像亮度、对比度和熵值,相对于对比方法,本方法的人脸识别精度更高,精度平均值达到了96%,而且加快了人脸识别速度,具有比较明显的优越性。     

光照鲁棒的人脸识别

传统的人脸识别方法对待识别人脸图像的质量要求较高,而且要求所采集的人脸图像的光照情况与人脸训练库的光照情况的差异不能太大,这就限制了人脸识别系统运行的环境条件,从而限制了人脸识别的应用。为了降低人脸识别对环境条件的要求,真服光照对人脸识别的影响。本文分析了人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别方法,使得对任何光照条件下采集的图像经过归一化后,光照情况与训练库中的图像完全相同,同时保留了人脸的可区分性。因为人脸之间差异的信息量一般较少,故本文运用最小非零特征向量作为人脸特征,通过实验仿真,与传统方法相比本文人脸识别方法对光照变化具有鲁棒性。     

基于离散余弦变换和主成分分析的光照条件人脸识别

在光照变化条件下,人脸识别的正确率急剧下降,为了解决该难题,提出了一种离散余弦变换和主成分分析相融合的光照变化条件人脸识别方法.首先对人脸图像进行分块,并采用离散余弦变换对每一个子块提取DCT系数,然后采用主成分分析提取人脸特征,并采用深度学习算法建立人脸识别的分类器,最后采用ORL和Yale B人脸库进行仿真实验,测试其有效性和优越性.实验结果表明,相比其它光照人脸识别方法,本文方法提高了光照人脸图像的识别率,消除了光照变化的不利影响,具有较强的鲁棒性.     

面向人脸识别的复杂光照下图像细节增强算法

为了提高在光照过度、不足或不均等复杂光照条件下的人脸识别率,提出一种复杂光照条件的人脸图像细节强化算法。首先采用对数和非线性变换对人脸图像动态范围进行压缩;然后利用反锐化掩模滤波算法消除图像模糊,增强人脸图像细节信息;最后采用Adaboost算法建立人脸分类器,并采用Yale B人脸图像数据进行仿真测试。仿真结果表明,该算法解决了复杂光照条件对人脸图像的不利影响,并进一步提高了人脸识别率。     

小波变换和LBP对数域特征提取的人脸识别算法北大核心CSCD

为了改善复杂光照条件下人脸识别的性能,提出结合小波变换和LBP(Local Binary Pattern,LBP)提取复杂光照下人脸图像的对数域特征来进行人脸识别。本文首先将人脸图像由空域变换到对数域,再做两级离散小波分解,并利用高频分量重构原图,也即对人脸图像进行高通滤波,滤除低频光照成分,以达到复杂光照补偿的目的,最后利用分块LBP提取光照补偿后图像的局部纹理特征,并将这些特征应用于人脸识别。基于Yale-B和CMU-PIE人脸库上的实验结果显示本文算法对复杂光照具有较强鲁棒性,具备提取复杂光照条件下人脸图像有效特征的能力。     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法。通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进行描述后,提取出人脸图像各子图像的直方图特征并连接,得到人脸LBP纹理特征,通过统计法运算该特征距离,并通过K近邻分类器实现人脸特征分类识别。以Yale-B与AR人脸库为测试对象,结果表明,所研究方法对复杂光照鲁棒性较强,识别人脸的准确率与效率较高,整体识别效果较好。     

考虑光照鲁棒性的超分辨率人脸识别系统设计

为保障不同光照下低分辨率人脸的超分辨率识别精度与效率,设计了考虑光照鲁棒性的超分辨率人脸识别系统。通过包含DSP单元与ARM单元的控制器模块,驱动人脸视频采集模块。采集不同复杂光照的人脸视频信息并解析成视频帧后,预估视频帧序列的位移情况,恢复视频帧序列的超分辨率,融合超分辨率视频帧构成人脸图像样本。利用人脸特征提取模块补偿全部人脸图像样本复杂光照,并提取其LBP特征构成人脸库。通过人脸识别模块匹配人脸图像的LBP特征与人脸库,识别出超分辨率人脸图像。结果表明,该系统的光照鲁棒性人脸图像采集与人脸图像LBP特征提取两部分的实现效果均较好。可有效识别出背光、强光及弱光下的超分辨率人脸,识别效率较高,识别成功率能够达到96.7%,为光照鲁棒性人脸识别提供保障。     

应用特征串行融合的人脸识别算法

针对光照和姿态变化对人脸识别性能的影响,文章提出一种融合局部特征和全局特征的人脸识别算法。该算法首先对图像作Gabor变换,提取局部特征,再对图像作奇异值分解,提取全局特征,然后将全局特征和局部特征串行融合作为图像的特征,最后运用最近邻分类方法得出识别结果。在ORL标准人脸库上的实验结果表明,该算法能够有效消除光照和姿态变化对人脸识别效果的影响。     

光照健壮人脸识别的低秩相对梯度直方图特征

为了进一步提升人脸梯度特征的光照健壮性,本文结合低秩分解能有效分离图像本质特征和噪声的特性,提出了一种光照健壮的低秩相对梯度直方图特征提取方法。首先,通过对人脸图像进行相对梯度运算获得了图像的相对梯度幅值图像和各像素的梯度方向信息。然后,为了去除相对梯度图像中由于非均匀光照而引入的光照边缘误差,利用低秩分解将相对梯度图像分解为低秩分量和稀疏噪声分量之和。最后,结合人脸图像的梯度方向信息对相对梯度图像的低秩分量进行离散化、滤波和局部二值模式编码形成了人脸的低秩相对梯度直方图特征。在经典的FE-RET子集以及具有代表性的YaleB和PIE光照子集上的实验显示：低秩相对梯度直方图特征的人脸识别性能显著优于相对梯度直方图特征、方向梯度幅值模式特征和图像低秩特征等方法的性能;在YaleB子集上,低秩相对梯度直方图特征的人脸识别精度比相对梯度直方图特征的人脸识别精度高至少4％。实验结果证明,低秩相对梯度直方图特征对光照变化,尤其是非均匀光照变化的人脸识别具有很强的健壮性。     

基于二次多项式模型的人脸光照归一化

 根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外,提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿,进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明,新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.     

Face recognition under large illumination variations using homomorphic filtering in spatial domain

This paper proposes a homomorphic filtering in spatial domain for reducing of illumination effects in face recognition systems. Also, in this research a simple kernel of homomorphic filter is proposed. Application of this method causes considerable reduction in computational time in the preprocessing step. When a new face image with an arbitrary illumination is given, the homomorphic filter is applied and its reflectance component is extracted. Then the reflectance component is divided into several local regions and histograms of each local region are extracted using multi-resolution uniform local Gabor binary patterns (MULGBP). These histograms are combined for obtaining the overall histogram of the images. Finally, for face recognition, a simple histogram matching process is performed between new face image histogram and the gallery images histogram. The results show that the proposed method is robust for large illumination variation with a reasonable computational complexity.     

NSCT域自适应人脸图像光照不变特征提取

为了减少光照变化对人脸识别算法的影响,提出了一种基于非下采样Contourlet变换(NSCT,nonsubsampled contourlet transform)的光照不变特征提取方法。人脸图像经过对数变换(LT)后,利用NSCT进行分解,得到图像的低频子带和高频方向子带;根据高频子带中NSCT系数的概率分布,给出各子带的自适应阈值,并采用折衷阈值函数进行滤波;对滤波后的子带进行NSCT逆变换,得到人脸图像的光照不变特征。在Extended Yale B和CMU PIE人脸数据库上的实验结果表明,本文方法能有效减少光照影响,显著提高了识别率。     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

Face recognition from synchronised visible and near-infrared images

The improvement in face recognition that can be obtained from the simultaneous availability of normal and near-infrared (NIR) images is quantitatively measured. The authors designed a camera that can perform a simultaneous acquisition of a NIR image and visible images (VI) and therefore built a face database with this camera aiming at comparing the performance of several algorithms on both types of images when illumination variations occur. The authors noticed the stability of the performance of all the tested algorithms on infrared images upon illumination variation, and the improvement in performance that results from the fusion of these two different types of images.