基于分块相位一致性的人脸识别算法

针对基于可见光的人脸图像的识别容易受光照和表情变化的影响,人脸的表情变化仅限于局部等问题,以及图像的相位一致性特征不受图像的亮度或对比度影响的特点,提出了一种基于分块相位一致性的人脸识别算法。该算法用log-gabor滤波器对图像进行滤波,利用相位一致性模型提取相位一致性特征图像;对每幅特征图像进行分块主元分析(PCA)处理;融合所有子图像的距离信息,采用最近邻分类器进行分类识别。实验证明该方法具有更好的识别性能。     

.基于相位一致性图像的模块化PCA人脸识别方法

提出了一种新的基于相位一致性的模块化PCA的人脸识别方法.解决了人脸识别受光照影响的问题.首先得到人脸训练样本的相位一致性图像;然后将人脸相位一致性图像划分为更小的子模块,用PCA方法处理这些子模块图像.在姿势、光照以及表情变化的情况下同一个人的局部面部特征是不变的,因此用该方法来处理这些变化.给出了传统的模块化PCA方法与该方法在不同姿势、光照和表情变化条件下的对比实验结果.实验结果表明该方法的人脸识别率较传统模块化PCA方法有了较大提高.     

相位一致性和KDDA结合的人耳识别方法

随着人耳识别技术的发展,如何寻找不受光照和对比度影响的特征并用于识别成为研究热点之一。本文提出一种利用相位一致性对人耳进行特征提取的方法,该方法首先从8个方向计算人耳图像中每点的相位一致性,然后对经过相位一致性变换的输出图像分块求和,形成特征矢量,最后通过KDDA将特征向量投影到低维高可分空间,并用欧式距离对人耳图像分类。对77个人,共308幅人耳图像进行实验,在等误率为1.7%的情况下,识别率可以达到98.2%左右,验证了该方法所提取的人耳特征不受光照影响。     

四元数小波和AdaBoost在人脸识别中的应用

提出一种基于四元数小波变换（QWT）幅值相位表示及AdaBoost的人脸识别方法。四元数小波变换具有近似的移不变特性,可以同时支持1个幅值和3个相位,其中两个相位编码局部图像移动,而第三个相位蕴含纹理信息。方法对人脸图像进行预处理,进行四元数小波变换并计算四元数幅值和相位特征,将这些幅值和相位组合并应用AdaBoost分类器进行分类,以实现人脸图像的最终识别。对Yale、ORL和FERET三个人脸数据库应用此方法的实验结果表明,该方法在识别率上优于AdaBoost和Gabor+AdaBoost。特别是在FERET数据上精度提高更为明显,而且在计算复杂度上QWT特征提取明显低于Gabor特征提取。     

基于小波重构脸的人脸识别

研究了面部图像的小波分解与重构,分析了表情、光照和个体差异对小波多层分解低频近似系数的影响,指出光照变化对低频分解系数影响最大,表情和个体差异的影响次之.在此基础上提出用标准光照和表情人脸的小波低频近似系数替换光照人脸的低频系数来重构受光照影响的脸图像.并用Gabor和离散余弦变换对重构脸进行了特征提取与识别研究.在AR人脸库和自建库上进行_测试,结果表明,该重构方法能有效地去除光照等因素影响,识别效果得到了较大提高.     

Gabor相位特征的人脸光照不变量提取

为了消除光照变化对人脸识别的影响,提出一种基于Gabor相位特征的光照不变量提取算法。该算法首先对图像进行光照归一化,一定程度上减弱了不同光照条件的影响;然后利用一组不同方向的2维实Gabor小波对图像进行变换,在兼顾频谱与相位信息的情况下组合变换后的Gabor系数,提取其相位特征,得到光照不变量。在Yale B和CMU PIE人脸库上的实验结果表明,该算法能够有效消除光照变化对人脸识别的影响,提取的光照不变量具有一定的鲁棒性。     

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.     

基于3D人脸重建的光照、姿态不变人脸识别

待匹配人脸图像与库存原型图像之间姿态和光照的差异是自动人脸识别的两个主要瓶颈问题,已有的解决方法往往只能单独处理二者之-,而不能同时处理光照和姿态问题.提出了一种对人脸图像中的姿态和光照变化同时进行校正处理的方法,即通过光照不变的3D人脸重建过程,将姿态和光照都校正到预先定义的标准条件下.首先,利用先验的统计变形模型,结合人脸图像上的一些关键点来恢复较为精细的人脸3D形状.基于此重建的3D形状,进而通过球面谐波商图像的方法估计输入图像的光照属性并提取输入图像的光照无关的纹理信息,从而将光照无关的3D人脸完全重构出来,生成输入人脸图像在标准姿态和光照条件下的虚拟视图,用于最终的分类识别,实现了对光照和姿态问题的同时处理.在CMU PIE数据库上的实验结果表明,此方法可以在很大程度上提高现有人脸识别方法对于原型集合(gallery)和测试集合中图像在姿态和光照不一致情况下识别结果的正确性     

融合参考图像的人脸超分辨率重构方法

基于深度学习的图像超分辨率重构方法对低分辨率人脸图像进行超分辨率重构时,通常存在重构图像模糊和重构图像与真实图像差异较大等问题.基于此问题,文中提出融合参考图像的人脸超分辨率重构方法,可以实现对低分辨率人脸图像的有效重构.参考图像特征提取子网提取参考图像的多尺度特征,保留人脸神态和重点部位的细节特征信息,去除人脸轮廓和面部表情等冗余信息.基于提取的参考图像多尺度特征,逐级超分主网络对低分辨率人脸图像特征进行逐次填充,最终重构生成高分辨率的人脸图像.在数据集上的实验表明,文中方法可以实现对低分辨率人脸图像的有效重构,具有良好的鲁棒性.     

基于相位一致性的铁轨特征提取研究

针对铁路沿途自然环境下各种光照的存在而引起的铁轨特征提取不完整的问题,提出了一种将相位一致性用于铁轨特征提取的方法。该方法摒弃了传统的基于灰度特性的特征提取,属频域处理方法。与另外几种算子的对比实验表明,该方法可以提高自然环境下铁轨特征提取的效果,能够获得较为完整的铁轨图像特征,并结合视角转换技术,实现铁轨半径检测自动化。     

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.     

Total variation models for variable lighting face recognition

In this paper, we present the logarithmic total variation (LTV) model for face recognition under varying illumination, including natural lighting conditions, where we rarely know the strength, direction, or number of light sources. The proposed LTV model has the ability to factorize a single face image and obtain the illumination invariant facial structure, which is then used for face recognition. Our model is inspired by the SQI model but has better edge-preserving ability and simpler parameter selection. The merit of this model is that neither does it require any lighting assumption nor does it need any training. The LTV model reaches very high recognition rates in the tests using both Yale and CMU PIE face databases as well as a face database containing 765 subjects under outdoor lighting conditions.     

Fusion of appearance-based face recognition algorithms

Although many algorithms have been proposed, face recognition and verification systems can guarantee a good level of performances only for controlled environments. In order to improve the performance and robustness of face recognition and verification systems, multi-modal and mono-modal systems based on the fusion of multiple recognisers using different or similar biometrics have been proposed, especially for verification purposes. In this paper, a recognition and verification system based on the combination of two well-known appearance-based representations of the face, namely, principal component analysis (PCA) and linear discriminant analysis (LDA), is proposed. Both PCA and LDA are used as feature extractors from frontal view images. The benefits of such a fusion are shown for different environmental conditions, namely, ideal conditions, characterised by a very limited variability of environmental parameters, and real conditions with a large variability of lighting, scale and facial expression.     

AMSR与SVM相结合的人脸识别方法

为解决在复杂光照条件下的人脸识别问题,提出一种自适应多尺度Retinex(AMSR)和支持向量机(SVM)相结合的人脸识别算法;首先,针对多尺度Retinex(MSR)只能处理光照均匀图像的缺点,提出了AMSR算法,该算法在MSR基础上增加了全局非线性对比度增强方法,使图像的灰度能够根据人脸图像的明暗度进行全局自适应调整,实现了各种光照条件下的人脸图像预处理;然后利用SVM多分类算法对人脸图像进行分类;在人脸库的实验结果证明了AMSR+SVM人脸识别算法的有效性。     

Face recognition under arbitrary illumination using illuminated exemplars

Recently, the importance of face recognition has been increasingly emphasized since popular CCD cameras are distributed to various applications. However, facial images are dramatically changed by lighting variations, so that facial appearance changes caused serious performance degradation in face recognition. Many researchers have tried to overcome these illumination problems using diverse approaches, which have required a multiple registered images per person or the prior knowledge of lighting conditions. In this paper, we propose a new method for face recognition under arbitrary lighting conditions, given only a single registered image and training data under unknown illuminations. Our proposed method is based on the illuminated exemplars which are synthesized from photometric stereo images of training data. The linear combination of illuminated exemplars can represent the new face and the weighted coefficients of those illuminated exemplars are used as identity signature. We make experiments for verifying our approach and compare it with two traditional approaches. As a result, higher recognition rates are reported in these experiments using the illumination subset of Max-Planck Institute face database and Korean face database.     

利用场景光照识别优化的双目活体检测方法

人脸识别是生物特征识别技术中应用最广的技术之一。其中,能判断人脸图像是否是真实人脸的活体检测模块,是系统安全运行的重要保障。目前从安全度和经济性两方面综合考虑,最常用的活体检测方法是双目活体检测。但由于不同场景下光线亮度和角度变化很大,拍摄的人脸图片质量参差不齐,严重影响了活体检测的质量。针对这一问题,提出了通过对场景光照识别进行优化从而提升检测准确度的双目活体识别算法。算法通过串级PID算法对摄像头的感光度和补光灯进行控制,并利用人脸识别算法定位优化测光区域,从而对不同的光线强度和角度采取不同的策略。经过实验验证:本方法将活体检测在复杂场景下的准确率提升约30%,保证了算法在室内外不同光照场景下的有效性。     

基于优化PCA算法的人脸识别系统研究

人脸识别是以人脸为基本识别特征的识别技术．并成为研究的热点。PCA算法是人脸识别中使用最多的算法之一。它具有速度快．识别率高等优点。单纯的PCA方法对于光照比较敏感,算法对于光照的鲁棒性不强。通过对图片的归一化,平滑处理,直方图均衡化等一系列的预处理手段．增强PCA算法对于光照的鲁棒性。实验表明,通过优化能够提高识别的成功率．达到优化的效果。     

Face recognition using line edge map

The automatic recognition of human faces presents a significant challenge to the pattern recognition research community. Typically, human faces are very similar in structure with minor differences from person to person. They are actually within one class of "human face". Furthermore, lighting conditions change, while facial expressions and pose variations further complicate the face recognition task as one of the difficult problems in pattern analysis. This paper proposes a novel concept: namely, that faces can be recognized using a line edge map (LEM). The LEM, a compact face feature, is generated for face coding and recognition. A thorough investigation of the proposed concept is conducted which covers all aspects of human face recognition, i.e. face recognition under (1) controlled/ideal conditions and size variations, (2) varying lighting conditions, (3) varying facial expressions, and (4) varying pose. The system performance is also compared with the eigenface method, one of the best face recognition techniques, and with reported experimental results of other methods. A face pre-filtering technique is proposed to speed up the search process. It is a very encouraging to find that the proposed face recognition technique has performed better than the eigenface method in most of the comparison experiments. This research demonstrates that the LEM, together with the proposed generic line-segment Hausdorff distance measure, provides a new method for face coding and recognition