人臉識別中的光照問題研究.pdf

1、人臉識別研究就是要賦予計算機(jī)根據(jù)人臉面孔識別人物身份的能力,該研究具有重要的理論價值和巨大的應(yīng)用前景。經(jīng)過四十多年的發(fā)展,人臉識別研究已經(jīng)取得了重大進(jìn)展,但仍存在一些不盡人意的地方,還需要解決光照變化、姿態(tài)變化、表情變化等問題。
　　本文主要關(guān)注于人臉識別中的光照問題,分析了光照變化影響人臉識別的原因,概述了人臉識別中光照問題的研究現(xiàn)狀,針對目前解決方法中的一些缺點,從圖像預(yù)處理、提取光照不敏感特征、圖像預(yù)處理方法與光照不敏感特征

2、結(jié)合三個方面對光照問題進(jìn)行了研究,主要做了如下工作:
　　1)實驗對比分析了分塊直方圖匹配、分塊直方圖均衡化和對比度受限直方圖均衡化這三種處理效果較好的基于傳統(tǒng)圖像處理技術(shù)的光照預(yù)處理方法,結(jié)果表明當(dāng)人臉圖像存在陰影時,這三種方法對陰影的削弱能力有限,并且在處理中增強(qiáng)了噪聲。
　　2)基于 Retinex理論的光照正則化方法削弱陰影的能力總體上比基于傳統(tǒng)圖像處理技術(shù)的人臉預(yù)處理方法好,但這類方法在人臉圖像存在較強(qiáng)陰影時,易在

3、陰影邊緣處產(chǎn)生光暈現(xiàn)象,光暈現(xiàn)象的產(chǎn)生嚴(yán)重的影響了后續(xù)的人臉識別。針對這一問題提出了基于 L2范數(shù)約束的總變分模型(TVL2)的對數(shù)域光照正則化方法 LogTVL2,由于TVL2具有較好的邊緣保持能力,所提出的LogTVL2方法能較好的削弱光暈現(xiàn)象。從處理效果、處理耗時和識別率三個方面,將 LogTVL2與 MSR、LogDCT和SQI這三種典型方法進(jìn)行了實驗比較,驗證了LogTVL2光照正則化方法的有效性。
　　3)現(xiàn)有光照預(yù)處

4、理方法均沒有考慮輸入人臉圖像的光照情況,而是對它們進(jìn)行相同的處理。當(dāng)人臉圖像存在較大的光照變化時,現(xiàn)有的光照預(yù)處理方法均能在一定程度上削弱光照的變化,提高識別率,但是對于光照比較均勻的人臉圖像,這些處理方法卻帶來了負(fù)面影響。針對這一問題,提出了“人臉圖像光照質(zhì)量指數(shù)”,人臉圖像光照質(zhì)量指數(shù)定義為待測人臉圖像的光照估計圖像與參考人臉圖像的光照估計圖像的相似度,參考人臉圖像的光照條件是均勻或近似均勻的,通過保留人臉圖像離散余弦變換的部分低頻

5、系數(shù)估計人臉的光照圖像。實驗結(jié)果表明,該方法能較好的定性衡量人臉圖像光照不均勻程度。根據(jù)輸入人臉圖像的光照質(zhì)量指數(shù)可以判斷該圖像是否需要經(jīng)過預(yù)處理,避免預(yù)處理方法對光照情況較好的人臉圖像帶來負(fù)面效應(yīng)。
　　4)人臉面部對象的輪廓是進(jìn)行人臉識別的重要特征,并且它對光照具有一定的不敏感性,梯度是刻畫這些輪廓的一種重要方式,基于 Retinex理論和圖像處理的角度,分析比較了對數(shù)域梯度、對數(shù)域垂直梯度及對數(shù)域水平梯度的光照不敏感性,并提

6、出在決策級將三者加權(quán)融合,優(yōu)勢互補,提高對光照變化的不敏感性,并通過實驗對該方法的有效性進(jìn)行了驗證。
　　5)結(jié)合前面提出的方法,提出了健壯的鏈?zhǔn)教幚矸椒?首先計算輸入人臉圖像的光照質(zhì)量指數(shù),根據(jù)計算值確定輸入人臉圖像是否需要進(jìn)行光照預(yù)處理,若需要,則利用提出的LogTVL2進(jìn)行光照正則化處理,然后提取梯度方向、梯度幅度特征,然后將梯度方向與梯度幅度特征在決策級別融合,進(jìn)行識別;若不需要,則直接利用正則化相關(guān)進(jìn)行識別。實驗表明 L