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。     

融合NSCT和自适应平滑的光照不变量提取算法

为了更好地解决光照变化对人脸识别系统的干扰问题,提出一种融合了NSCT和自适应平滑的算法,以提取带有更多人脸结构信息的光照不变量.首先用NSCT分解对数域人脸图像,并对各高频子带进行NormalShrink阈值滤波;再将滤波后的高频子带和未经处理的低频子带进行逆NSCT处理得到人脸图像的模糊图像;然后对NSCT分解后的低频子带使用自适应平滑提取出低频子带中的人脸细节信息;最后结合该人脸细节信息和模糊图像进行计算,得到人脸图像的光照不变量.该不变量有效地弥补了NSCT方法中缺乏低频子带中的人脸细节信息的不足,提高了人脸信息的利用率.在Yale B和CMU PIE人脸库上的实验结果表明,该算法能够有效地消除光照变化的影响,具有更优的人脸识别性能,提高人脸识别系统的光照鲁棒性.     

图像去噪中的纹理保护方法研究

基于偏微分方程及变分极值最小化的图像平滑方法可以有效地去除噪声,而且能够保护边缘信息,但由于噪声及纹理难以区分,使得纹理信息无法保留。提出一种纹理保护滤波算法,该算法利用图像分解模型将图像分解为几何结构分量及噪声/纹理分量,计算后者的局部方差,与传统变分能量最小化方法中的偏差惩罚项结合形成随纹理变化的约束,得到的模型在纹理区域滤波减少,从而保护了纹理信息。实验在视觉效果上得到了预期的结果,信噪比的计算对比也可以证明算法的有效性。     

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。     

针对光照变化的人脸识别算法研究

为了增强人脸识别对光照变化的鲁棒性,提出了一种融合多方法的人脸图像光照预处理算法。该算法首先根据改进的自适应平滑算法(IAS)估计出原图像的亮度分量L,再用Retinex算法求得反射分量R,同时对原图像进行局部对比度增强(LCE)处理来增强图像细节;然后采用基于标准差(SD)的加权方法将多种方法有效融合起来;最后采用基于稀疏表示的分类(SRC)算法进行判别归类。在Yale B人脸库上的实验表明,构造的算法识别率高于使用单一预处理算法,而且在训练样本单一、光照环境较差情况下也能取得很好的识别效果,对光照变化有较好的鲁棒性。     

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。     

改进型Gabor自商图算法及其在人脸识别中的应用

光照变化是影响人脸识别系统性能的关键问题之一,针对该问题提出了一种改进的基于Gabor特征的自商图算法。对人脸图像采用改进的加权Gabor滤波器进行平滑的Gabor特征提取,使用自商图像的方法求取图像的光照不变特征;对得到的自商图像用直方图截断等方法进行归一化;在Extended Yale B与CMU PIE人脸库上通过基于皮尔逊相关系数的最近邻方法进行实验。实验结果表明,与传统算法相比,该算法可以大幅度提高人脸识别率。     

DCT域上人脸光照正则化及识别

现有的光照正则化处理算法,都是在空间域中进行的,为避免海量图像解压缩的时间消耗,在JPEG图像上直接进行光照正则化处理,提高人脸识别效率,在DCT域上,基于三维辐照度方程,把差图像法推广到了DCT域上,并在DCT域上提出了分量图像法。实验表明：差图像法与分量图像法均能在DCT域中有效地削弱光照方向对人脸识别的负面影响。     

基于改进的RPCA人脸识别算法

针对人脸识别中存在遮挡、光照、表情变化等问题,提出了一种基于改进的鲁棒主成分分析的人脸识别算法,它利用人脸的稀疏误差成分准确判断出人脸图像之间的差异。该算法首先对人脸进行低秩恢复,得到表示人脸普通特征的低秩分量和描述人脸差分信息的稀疏误差分量,然后定义稀疏度和平滑度两种描述符来表示稀疏误差分量的特征,最后联合上述两种描述符对人脸图像进行分类判别。实验结果表明,在光照条件和遮挡区域随机的情况下,提出的采用误差图像进行分类判别的算法在处理遮挡、光照、表情变化等人脸识别问题上均具有优越的识别性能。     

基于图像引导滤波的人脸光照预处理算法

针对人脸识别中人脸图像光照预处理的问题,提出一种基于图像引导滤波的人脸光照预处理算法。根据自定义光照标准函数对引导图像和输入图像进行分类,经指数或对数非线性变换调整后进行直方图均衡化处理。采用图像引导滤波对图像细节进行增强,使变换后的图像更清晰。利用空域高通滤波来抑制局部锐化现象。在YaleB人脸数据库上进行验证,结果表明,该算法在识别性能上明显优于经典的主成分分析法,识别率可以提高2%~8%。     

基于形变模型的红外人脸鲁棒识别*

针对人脸识别中的光照、表情和遮挡变化三大难题,引进热红外人脸克服光照变化,并且采用融合局部形变模型的人脸分类方法克服表情和遮挡变化。该方法将热红外测试人脸看成人脸库的线性组合,并用形变模型表示,通过 最小优化求解组合系数,根据系数的稀疏性进行人脸识别。为了进一步提高算法的鲁棒性,采用人脸分片加权的策略。在Equinox人脸库上通过大量实验表明：基于红外光的人脸识别性能明显高于可见光对光照变化的影响;融合局部形变模型的人脸识别方法可以有效地提高识别率且克服红外人脸识别中的眼镜干扰与表情变化问题。     

提高人脸识别率的重光照算法

在逃犯追缉领域,基于人脸识别的逃犯鉴别技术受到高度重视。但是,各种恶劣的光照条件严重影响了对目标人脸的辨识。因此,如何排除光照干扰成为一个迫切需要解决的问题。本文提出一种新的重光照算法,利用自商图像算法求出人脸纹理特征,再利用辅助光照集合来归一化人脸光照分量,最后合成新的人脸图像用于人脸识别。在AR、CMU_PIE、CSA_Lighting库上进行人脸识别测试,结果表明改进的新算法有效地减轻了光照影响,提高了人脸正确识别率。在实际的追逃图片处理中也明显改善了追逃效率。     

基于CSSD的非线性相关滤波在光照变化人脸识别中的应用

针对现有的滤波算法由于光照变化而影响人脸识别性能的问题,提出了特定类子空间依赖的非线性相关滤波算法。首先,利用非线性最佳映射图像相关滤波器与非线性最佳重建图像相关滤波器之间相位的特定类子空间运算实现算法;然后,通过最小化相关平面能量、同时最大化相关波峰进一步优化;最后,利用关联分类器完成人脸识别。在扩展Yale B和PIE人脸库上的实验结果表明,本文算法在加性高斯噪声条件下仍然对光照变化不敏感,相比其他几种较好的滤波算法,本文算法取得了更高的识别率,并提高了算法执行效率。     

A method of illumination compensation for human face image based on quotient image

Illumination variation is one of the critical factors affecting face recognition rate. A novel approach for human face illumination compensation is presented in this paper. It constructs the nine-dimension face illumination subspace based on quotient image. In addition, with the aim to improve algorithm efficiency, a half-face illumination image is proposed and the low-dimension training set of the face image under different illumination conditions are obtained by means of PCA and wavelet transform. After processing, two different illumination compensation strategies are given: one is adding light, and the other is removing light. Based on the illumination compensation strategy, we implement the typical illumination sample image synthesis and the standard illumination sample image synthesis on a PCA feature subspace and a wavelet transform subspace, respectively, and the illumination compensation of the gray images and the color images are further realized. Experimental results based on the Yale Face Database B, the Extended Yale Face Database B and the CAS-PEAL Face Database indicate that execution time after compensation is approximately half the time and face recognition rate is improved by 20% compared with that of the original images.     

Face recognition under varying illumination

To eliminate the effects of illumination variation, the conventional approaches firstly produce a compensation-based face image under standard illumination from the input image and then match the image with the face templates in a database. This method is not inapplicable to the input image with large illumination variation. Therefore, a novel method for varying illumination conditions is proposed. Firstly, the quotient image method is improved. Then, the nine basis images of each subject are generated by the improved quotient image method. Thirdly, one new image of each subject under the same lighting conditions with an input image is synthesized by the corresponding basis images. Finally, the synthetic images and the input image are projected to PCA plane to fulfill the recognition task. The experimental results show that the proposed approach can eliminate the effects of illumination variation and have a high recognition rate in the illumination conditions with remarkable changes.     

改进Retinex和稀疏表示的光照人脸识别

为了提高光照变化条件下的人脸识别率,针对当前人脸识别方法存在的缺陷,提出了一种改进Retinex算法和稀疏表示相融合的光照人脸识别方法。首先对Retinex算法的不足进行改进,并应用于人脸图像预处理中,消除光照对人脸识别的干扰,然后采用稀疏表示提取人脸特征向量,并采用投票方式实现人脸识别,最后通过3个标准人脸数据库对方法的性能进行测试。结果表明,该方法不仅提高了人脸识别率,而且缩短了人脸识别时间,对光照具有较好的鲁棒性。     

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。