人臉識(shí)別中基于TV模型的光照不變量提取.pdf

1、人臉識(shí)別技術(shù)在實(shí)際中已經(jīng)得到廣泛的應(yīng)用，而現(xiàn)在大多數(shù)人臉識(shí)別算法都對(duì)光照比較敏感，光照問(wèn)題已經(jīng)成為影響識(shí)別結(jié)果最主要的因素之一。處理光照問(wèn)題最常用的一種方法是尋找具有光照不變特性的不變量來(lái)描述光照條件下的圖像，這些光照不變量主要包括圖像的高頻和邊緣信息。而提取圖像高頻和邊緣信息的一種有效辦法為TV模型。
　　 基于TV模型的光照不變量提取方法能夠在保持圖像邊緣的基礎(chǔ)上，充分地提取用于識(shí)別的人臉高頻細(xì)節(jié)特征，但也存在對(duì)光照不變量劃

2、分不夠精確以及參數(shù)優(yōu)化過(guò)于隨機(jī)的問(wèn)題，針對(duì)以上問(wèn)題引出了基于G范數(shù)的TV模型，并在此基礎(chǔ)上提出了一種基于自適應(yīng)參數(shù)的G范數(shù)TV模型，此模型可以對(duì)人臉細(xì)節(jié)特征進(jìn)行更精確的劃分，得到更有利于識(shí)別的光照不變量。針對(duì)TV模型存在全局化、常值區(qū)域等問(wèn)題，提出了基于TB模型和Contourlet變換相結(jié)合的方法，算法充分利用了Contourlet變換局部性、多方向性和TV模型保持邊緣的優(yōu)點(diǎn)，能有效地提取用來(lái)識(shí)別的人臉光照不變量。
　　 在Y

3、ale-B人臉數(shù)據(jù)庫(kù)上，本文提出的兩種模型的平均識(shí)別率相對(duì)于直接使用PCA+LDA分別提高了40.11％和40.65％，在最惡劣光照條件下都提高了86.87％。相對(duì)于傳統(tǒng)的TV模型，平均識(shí)別率也分別提高了1.91％和2.45％，在最惡劣光照條件下分別提高了1.41％和1.95％，并且基于自適應(yīng)參數(shù)的G范數(shù)TV模型還有效地減少了參數(shù)優(yōu)化的時(shí)間。這表明本文提出的算法能夠較好地改進(jìn)傳統(tǒng)TB模型的缺點(diǎn)，是非常有效的光照不變量提取方法。