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.     

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。     

多方法结合的人脸图像光照补偿算法

将基于Retinex理论的光照补偿算法分别与直方图均衡化、gamma灰度变换两种常见的、简单的预处理算法结合,得到两种新的光照补偿预处理算法。从实验结果看,结合算法明显改善了Retinex理论光照补偿算法对侧光纠正不均匀的现象,可大幅度提高复杂光照环境下的人脸识别率。同时,由于是两种简单预处理算法的结合,保证了预处理效率。     

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.     

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.     

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.     

基于分叉树和SVM的人脸图像光照方向估计

根据人脸识别中光照方向类别多,类与类之间特征不明显,不易分类的问题,提出了采用SVM分类方法解决人脸识别中复杂的、非线性光照方向分类问题。用分叉树将复杂分类变成每级分类,并保证在4类以内的分类方法;同时在各级分类中,根据当前分类的类别特点,提取当前要处理的分类之间的明显特征作为特征进行分类;另外,给出了最优的SVM分类器的训练和构造过程。实验结果表明,该方法对解决分类特征不易于提取,类别数目多的分类问题有明显效果,分类准确率达到89.16%。     

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。     

气象计量自动化温度检定系统中的图像预处理研究

针对气象计量自动化温度检定系统中图像噪声大、对比度不够等问题,在采用图像 预处理技术的基础上,提出一种同态滤波的对比度受限自适应图像预处理方法。尝试中值滤波对 红外图像进行去噪,保证噪声不被增强的前提下,利用同态滤波的原理,对图像细节进行增强。 但同态滤波依然存在图像特征点与非特征点在图像质量不高的情况下容易混淆的问题,对此采用 限制对比度自适应直方图均衡的方法进一步调整图像的动态范围。通过仿真实验对此方法进行验 证,验证了所提出方法的有效性。     

关于人脸识别图像预处理方法的研究与实现

针对人脸识别系统进行研究,提出了采用直方图均衡化、中值滤波、灰度拉伸、同态滤波预处理图像和基于统计学的人眼检测、特征提取的人脸识别方法。描述了各种预处理方法和在人脸识别中的具体应用,避免图像大小、光照不同等复杂因素对图像识别造成的影响,为下一步进行图像识别奠定基础。     

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。     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。     

基于带通滤波和遗传算法的人脸图象预处理及识别

从增强图象的分类信息角度出发，对人脸图象做频域上的带通滤波预处理，来提高奇异值特征的分类性能。给出了一组圆形滤波函数，并使用遗传算法来选择可分性较大的频段和进行圆形滤波函数的参数估计，设计了染色体的表示方式和适应度的求法。实验证明，做频段选择预处理，奇异值特征的分类效果比处理前有较明显的提高，而做更精确的圆形滤波函数的参数估计，奇异值特征的分类效果比处理前有更明显的提高，计算量则相对较大。这种方法对其它代数特征也适用。     

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。     

基于改进引导滤波与DCPCNN的图像融合方法

针对红外图像与可见光图像融合易产生边缘信息缺失,目标不够突出等问题,将引导滤波的保持边缘特性与双通道脉冲耦合神经网络（DCPCNN）的非线性耦合调制特性相结合,提出一种基于改进引导滤波与DCPCNN的红外与可见光图像融合算法。该方法首先选取非下采样剪切波变换将图像进行分解,获得高低频分量;对低频分量的融合是利用改进空间频率作用DCPCNN输入激励,且其链接强度由表征图像信息的平均梯度自适应调整来确定;高频分量融合是利用局部平均梯度与区域方差自适应加权,而后采用改进的引导滤波进行平滑处理实现空间一致性;最后,对分别处理后的各分量经过非下采样剪切波变换可逆变换获取融合图像。针对典型背景目标和复杂背景目标两类实验结果表明,与经典的曲波变换、双树复小波变换、非下采样轮廓波变换和非下采样剪切波变换等方法相比,该算法可以有效综合图像的优势信息,且在平均梯度、标准差、空间频率、相关系数等方面具有更高的优势。     

基于连续方向图的指纹图像预处理算法

在研究和分析了现有的预处理算法的基础上,提出了一种基于连续方向图的指纹图像预处理算法。主要包括指纹图像规格化、连续方向图计算、方向自适应滤波、二值化和细化等算法,这种连续方向图过渡平滑、自然,且有很好的连续性、渐变性和抗噪性,同时又具有极高的精确度,能更精确地反映指纹脊线的结构特征。从而使得滤波效果更佳;实验结果表明,该算法处理效果好、运算速度快,有效的满足了预处理的要求,为指纹的特征提取和识别奠定了坚实的基础。     

基于矢量扩散控制的图像同步去噪增强方法

在图像获取过程中,常得到含有噪声和对比度较差的图像,为更好地去除图像的噪声与增强对比度,提出一种基于矢量扩散控制的图像同步去噪增强方法。分析全变分(TV)模型的构造,指出其存在的问题,通过引入矢量扩散控制的方式改造该模型的后项,更好地控制扩散在图像边缘处的粒度。给出限制对比度自适应直方图均衡的微分模型结构,并与改进后的TV模型融合实现图像的同步去噪与反差增强。通过2组实验从成像质量和灰度分布上比较处理结果,验证该方法的有效性。实验结果表明,该方法不仅较好地解决了TV模型在去噪过程中出现的阶梯效应,而且能够改善图像对比度,提高图像的质量。     

基于黎曼张量的人脸图像多模态分解光照建模方法

目前,人脸光照建模方法总是假设人脸满足朗伯凸模型、已知人脸表面法向量和反射率等条件,这与实际情况不符,建立的人脸光照模型也存在较大的偏差。为了解决这一问题,提出了一种新的人脸光照建模方法。该方法首先采用黎曼张量人脸图像多模态分解,建立人脸光照模型;然后基于改进的广义拉格朗日算法对人脸光照模型进行优化。理论分析和实验结果表明,该方法比光度立体学、球谐函数方法具有较高的精度和较强的实用性。