基于加权分块稀疏表示的光照鲁棒性人脸识别

针对光照变化对人脸识别的效果带来严重影响,提出一种对人脸识别的光照变化具有鲁棒性的方法,即基于加权分块稀疏表示的人脸识别方法。该方法首先对人脸图像进行离散余弦变换（DCT）,通过去除 DCT 系数的低频部分来移除光照变化分量。通过反离散余弦变换得到光照归一化后的人脸图像,将人脸图像分块,独立地对每个子块作基于稀疏表示的分类,并对每个子块的分类结果进行加权投票得出测试人脸图像的类别。在 Yale B、extended-Yale B、CMU-PIE 和 FERET 人脸库上进行实验,实验结果表明该方法适用于光照鲁棒的人脸识别。     

基于部件和支持向量机的人脸分类

提出一种基于部件的人脸分类方法,将人脸部件的离散余弦变换系数作为特征向量,通过支持向量机训练分类器。部件分类器确定了人脸图像中的部件区域,人脸分类器确定了人脸图像的所属类别。ORL人脸图像数据库仿真实验表明,该方法对表情、姿态变化具有很好的鲁棒性。     

基于曲波变换和余弦测度的人脸识别方法

人脸识别是一种常用的生物特征识别技术,广泛应用于门禁考勤、公安司法等领域。光照、人脸表情与姿态、遮挡等采集条件的变化对 现有人脸识别方法 影响较大,限制了其应用。提出了一种基于曲波变换和余弦测度的人脸识别方法,以提高人脸识别对采集条件的鲁棒性。首先,对待识别人脸图像进行曲波变换,依据曲波系数检测人脸区域的关键点;然后,提取各关键点在不同尺度和方向上的曲波特征,构建人脸特征描述子;最后,依据余弦测度、累加和运算和极值运算求取人脸的最优匹配结果。仿真实验表明,所提方法对光照、姿态、表情和遮挡等变化的鲁棒性强,且识别性能好。     

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.     

CLAHE优化低频DCT系数重变换的鲁棒人脸识别

针对光照、表情、姿态、遮挡等变化显著影响人脸识别系统性能的问题,提出了基于限制对比度自适应直方图均衡化（CLAHE）的低频离散余弦变换（DCT）系数重变换算法。将图像划分成多个互不重叠的局部小块,使用CLAHE对每个局部小块进行局部对比拉伸以实现去噪,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;利用核主成分分析进行特征提取,采用K-最近邻分类器以完成最终的人脸识别。在ORL、扩展YaleB和AR人脸数据库上的实验验证了所提算法的有效性和鲁棒性,实验结果表明,相比其他几种较为先进的人脸识别技术,所提算法取得了更高的识别率,同时大大降低了识别所用时间。     

离散余弦变换和支持向量机相融合的人脸识别

针对复杂条件下人脸识别性能低的难题,提出一种离散余弦变换和支持向量机相融合的人脸识别方法。首先将图像划分成子块,并采用对比度限制自适应直方图均衡算法对子块进行去噪处理;然后采用低频离散余弦变换系数来消除人脸图像中的光照变化;最后提取人脸特征,并采用支持向量机进行人脸识别。在多个人脸上进行仿真实验,结果表明,相比典型人脸识别方法,该方法不仅提高了人脸识别的正确率,同时减少了人脸识别时间,还提高了识别效率。     

基于多尺度分析的自动人脸照片移植

针对人脸移植中输入图像与目标图像的脸部姿态、光照环境与颜色分布不一致的问题,提出了一种基于多尺度分析的自动人脸照片移植方法。通过多线性模型从单张图像中恢复三维人脸模型,从而自动变换输入图像中的人脸姿态。提出了一种多尺度增强与融合算法,根据目标图像的细节特征对输入图像自动调整,并通过无缝融合合成新的人脸照片。实验结果表明该方法可以使输入图像有效匹配目标图像的明暗变化与颜色分布,并自适应调整局部细节。该方法对各种人脸图像之间的移植鲁棒性高,合成照片真实感强。     

基于快速二维离散余弦变换算法的人脸特征提取

离散余弦变换(DCT)具有图像信号处理后对图像显示效果影响不明显的优点。本文针对离散余弦变换(DCT)系数在人脸识别中的应用,研究不同的DCT块进行编码后其系数对图像质量和识别结果的影响,提出利用快速2D-DCT(二维离散余弦变换)代替普通DCT的人脸特征提取方法。该方法可以使得在对人脸进行平均分割后的图像块处理时间大大减少,从而能够在同样的时间内提取更多的DCT系数用于人脸识别。实验结果表明,该方法快速而且是有效的。     

基于全局信息的人脸特征点精确定位

空间中物理位置的线性变化在图像空间的变化往往是非线性的,人脸特征点定位受到头部姿态较大的影响。提出一种改进的基于头部姿态估计的条件回归森林方法,该方法有效地将原非线性问题转换为分段线性问题。使用局部保持投影（LPP）得到全局的姿态信息标签,通过非线性回归（NLR）得出头部姿态,训练并使用条件回归森林对全局特征条件下的人脸特征点进行一个精确定位。实验结果表明,该方法有效地降低了头部偏转等图像空间中的非线性变化引起的特征估计误差,提高了人脸特征点定位的精确度。     

基于环形对称Gabor变换和PCA加权的人脸识别算法

环形对称Gabor变换不但具有Gabor小波的一般特性,而且具有信息冗余度小、严格的旋转不变性等优点.文中提出一种基于环形对称Gabor变换和PCA加权特征的人脸识别算法.首先将人脸图像变换到环形对称Gabor变换域,然后在变换域采用PCA加权方法提取分类特征.在3个人脸库上进行实验,与传统人脸识别算法的对比实验说明该算法的可行性和对光照、姿态变化具有更好的鲁棒性.     

Illumination compensation and normalization for robust face recognition using discrete cosine transform in logarithm domain.

This paper presents a novel illumination normalization approach for face recognition under varying lighting conditions. In the proposed approach, a discrete cosine transform (DCT) is employed to compensate for illumination variations in the logarithm domain. Since illumination variations mainly lie in the low-frequency band, an appropriate number of DCT coefficients are truncated to minimize variations under different lighting conditions. Experimental results on the Yale B database and CMU PIE database show that the proposed approach improves the performance significantly for the face images with large illumination variations. Moreover, the advantage of our approach is that it does not require any modeling steps and can be easily implemented in a real-time face recognition system.     

A novel efficient local illumination compensation method based on DCT in logarithm domain

In this paper, a novel illumination compensation method for face recognition under illumination variations is proposed. Rather than performing illumination compensation in a global way, the proposed method uses low-frequency discrete cosine transform (DCT) coefficients in the logarithm domain to estimate illumination in local areas. To estimate the illumination of every point more precisely, a mean operator is applied to refine the estimation. Experimental results on the CMU PIE database, the Yale Face database B and the Extended Yale Face database B demonstrate that the method is superior in comparison with other existing methods. Furthermore, a simplified version of the method is also proposed. Both theoretical analysis and experimental results demonstrate the validity and high computational efficiency of the simplified version. Performances of the proposed methods under different values of parameters are also discussed in the paper.     

一种新融合算法的维吾尔族人脸识别

针对维吾尔族人脸在光照以及部分遮挡下的辨识率下降和鲁棒性差的问题,提出了二维离散余弦变换（2DDCT）与方向边缘幅值模式（POEM）相融合的维吾尔族人脸识别算法。首先,把维吾尔族人脸图像分块处理,并使用2DDCT把其分块后的维吾尔族人脸图像转换为频域状态;其次,压缩维吾尔族人脸图像以排除维吾尔族人脸图像中无用信息,即中频部分与非低频部分,并进行二维离散余弦逆变换（IDCT）得到重构的维吾尔族人脸图像;然后,经POEM计算维吾尔族人脸图像的特征量得到其相应的POEM直方图并把直方图级联在一起,作为该中心特征点的POEM纹理直方图,得到维吾尔族人脸特征点的纹理特征信息;最后,采用深度学习算法进行分类识别。本文通过实验提出的算法,在自建的维吾尔族人脸库中能够进一步提高其人脸识别率,在维吾尔族人脸数据库中其运算速度也有很大提高。实验结果表明,该算法尤其是在维吾尔族人脸数据库中拥有较好的识别精度,具有很强的鲁棒性,特别是在光照以及部分遮挡下具有很强的优势。     

Face Recognition Using the Discrete Cosine Transform

An accurate and robust face recognition system was developed and tested. This system exploits the feature extraction capabilities of the discrete cosine transform (DCT) and invokes certain normalization techniques that increase its robustness to variations in facial geometry and illumination. The method was tested on a variety of available face databases, including one collected at McGill University. The system was shown to perform very well when compared to other approaches.     

High-speed face recognition based on discrete cosine transform and RBF neural networks

In this paper, an efficient method for high-speed face recognition based on the discrete cosine transform (DCT), the Fisher's linear discriminant (FLD) and radial basis function (RBF) neural networks is presented. First, the dimensionality of the original face image is reduced by using the DCT and the large area illumination variations are alleviated by discarding the first few low-frequency DCT coefficients. Next, the truncated DCT coefficient vectors are clustered using the proposed clustering algorithm. This process makes the subsequent FLD more efficient. After implementing the FLD, the most discriminating and invariant facial features are maintained and the training samples are clustered well. As a consequence, further parameter estimation for the RBF neural networks is fulfilled easily which facilitates fast training in the RBF neural networks. Simulation results show that the proposed system achieves excellent performance with high training and recognition speed, high recognition rate as well as very good illumination robustness.     

人脸识别中基于多小波变换的光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法在对数域计算2维多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其它光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.70%,优于现有的绝大多数算法。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

Gray Hausdorff distance measure for comparing face images

Human face recognition is considered to be one of the toughest problems in the domain of pattern recognition. The variations in face images due to differing expression, pose and illumination are some of the key issues to be addressed in developing a face recognition system. In this paper, a new measure called gray Hausdorff distance (denoted by H/sub pg/) is proposed to compare the gray images of faces directly. An efficient algorithm for computation of the new measure is presented. The computation time is linear in the size of the image. The performance of this measure is evaluated on benchmark face databases. The face recognition system based on the new measure is found to be robust to pose and expression variations, as well as to slight variation in illumination. Comparison studies show that the proposed measure performs better than the existing ones in most cases.     

一种新的低秩分块稀疏表示的人脸识别算法

针对 人脸图像中表情变化、遮挡、光照的问题,本文提出了一种新颖的基于低秩分块稀疏表示的 人脸识别算法。该算法采用了一种新的结构不相关的低秩矩阵恢复方法,同时采用离散余弦 变换方法联合处理人脸图像中遮挡、掩饰和光照的问题,对处理过的图片采用一种独特的重 叠分块方法,利用冗余信息有效地提高了算法的识别率。在分类阶段,利用Alignment pool ing的方法,有效地提高了识别速度。该算法在标准人脸数据库上进行了多次实验,实验结 果表明：与现有人脸识别算法相比,算法的识别准确率和计算效率都得到了一致提高。