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.     

变形模型技术的发展

电影业中有一种有趣的变形动画技术,它能够通过两幅图像合成出平滑的变形动画特效。近年来,在模式识别领域出现了一种更为强大的变形技术—变形模型技术。这种技术使用计算机来模拟人类在识别物体时的学习过程,使用数学表示来建立某一对象类的变形模型,给对象确认、图像合成、图像压缩等计算机视觉领域提供了新的解决方法。     

变形模型技术的发展

电影业中有一种有趣的变形动画技术，它能够通过两幅图像合成出平滑的变形动画特效。近年来，在模式识别领域出现了一种更为强大的变形技术一变形模型技术。这种技术使用计算机来模拟人类在识别物体时的学习过程，使用数学表示来建立某一对象类的变形模型，给对象确认、图像合成、图像压缩等计算机视觉领域提供了新的解决方法。     

基于图像子空间的改进商图像方法

光线变化将显著降低人脸识别系统的性能。Shashua et al．提出了一种处理人脸识别中的光线变化问题的简便方法——商图像方法。在本文中，我们从图像子空间的角度对商图像方法进行了分析，理论分析和实验表明，这种方法存在的主要缺点有：1）不准确的理想类假设；2）简单的三维点光源模型无法很好地近似任意光照情况。针对这些不足，我们提出了一种基于图像PCA子空间的改进商图像方法，以克服这些缺点。我们的方法能够较好地满足商图像方法的理论前提，从而达到更好的图像合成效果和人脸识别性能。     

基于Lambert光照模型的图像真伪盲鉴别算法

依据Lambert光照模型,提出了基于Lambert光照模型的图像真伪盲鉴别算法.针对无限光源图像和局部光源图像,根据其实际的光强度与计算出的光强度之间的误差函数以及光源对光线的约束函数,分别提出了相应的算法用以计算图像中不同区域的光源方向,并根据这些不同区域的光源方向是否一致判定图像是否被篡改,从而对图像真伪进行盲鉴别.实验结果及分析表明,针对这2种图像各自提出的光源方向计算方法,能够准确地计算出图像中不同区域的光源方向,从而有效地鉴别出图像的真伪.     

基于子空间流形的图像集识别方法

近年来,基于黎曼流形将图像集在线性子空间中进行表征的图像集识别方法已经被证实有良好的效果,针对该领域存在的图像线性子空间大多高维所导致现有黎曼流形的图像集识别方法存在计算成本高、适用性有限的问题,提出一种基于子空间流形的图像集识别方法。首先,从线性子空间的几何结构出发,利用Grassmann流形对线性子空间进行建模,得到基于Grassmann流形的联合黎曼度量。然后,通过该联合黎曼度量,从高维的Grassmann流形中学习到一个低维的Grassmann流形。最后,对通过学习得到的低维流形上的图像集数据进行图像集识别。实验结果表明,在ETH-80数据集上该方法的识别准确率比投影度量学习（PML）和图嵌入Grassmann判别分析（GGDA）都分别提升了2.5个百分点。证明了在通过提出的度量与方法学习到的低维流形上,图像集数据具有更好的分类结构,从而降低图像集识别计算成本,扩大适用范围,提升识别准确率。     

基于形态学商图像的光照归一化算法

复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照归一化算法.该方法根据面部光照特点,基于数学形态学和商图像技术对各种光照条件下的人脸图像进行归一化处理,并且将它发展到动态地估计光照强度,进一步增强消除光照和保留特征的效果.与传统的技术相比,该方法无须训练数据集以及假定光源位置,并且每人只需一幅注册图像.在耶鲁人脸图像库B上的测试表明,该算法以较小的计算代价取得了优良的识别性能.     

一种基于低维线性子空间的球谐光照算法

对虚拟图像场景绘制算法进行研究，提出了一种基于低维线性子空间的球面谐波光照表示算法。从物体模型得到子空间，并抽取其中的低维线性空间，利用球面谐波函数将朗伯反射作为一个卷积处理，来近似表示朗伯反射，同时添加了漫反射阴影交互转移。实验结果表明该算法逼近程度好，绘制质量高，具有一定的实用价值。     

一种基于Grassmann流形的图像集分类算法研究

当前基于多模型的图像集分类方法通过对每个图像集进行单次聚类来提取局部模型,与其他图像集进行匹配时使用固定的聚类。然而,如果环境条件不佳,则可能导致两个最近邻聚类表示同一对象的不同特征。针对这一问题,首先,根据重建误差,在Grassmann流形上定义两个子空间间的Frobenius范数距离。然后,通过稀疏表示从画廊图像集中提取局部线性子空间。对每个局部线性子空间,通过联合稀疏表示,利用探测图像集的样本来自适应构建相应的最近邻子空间。基于Honda、ETH-80和Cambridge-Gesture数据集的实验结果表明,与基于仿射包的图像集距离(AHISD)、稀疏近似最近邻点(SANP)和流形判别分析(MDA)等其他算法相比,算法的性能更优。     

摄像机旋转运动下的多帧图像对齐技术

针对传统旋转运动参数估计都是采用两帧图像对齐技术,提出了为多帧运动参数估计方法,即使用多帧子空间约束技术．证明了当摄像机参数不变时,多帧运动参数集合可嵌入一个低维线性子空间上;使用奇异值分解方法来降低线性子空间的秩,用最小二乘技术求解所有帧的运动参数．该方法不需要恢复任何3D信息;由于多帧参数估计法比两帧有更多的约束,因此取得更精确的图像对齐效果．该方法可用小图像进行参数估计．     

Acquiring linear subspaces for face recognition under variable lighting

Previous work has demonstrated that the image variation of many objects (human faces in particular) under variable lighting can be effectively modeled by low-dimensional linear spaces, even when there are multiple light sources and shadowing. Basis images spanning this space are usually obtained in one of three ways: a large set of images of the object under different lighting conditions is acquired, and principal component analysis (PCA) is used to estimate a subspace. Alternatively, synthetic images are rendered from a 3D model (perhaps reconstructed from images) under point sources and, again, PCA is used to estimate a subspace. Finally, images rendered from a 3D model under diffuse lighting based on spherical harmonics are directly used as basis images. In this paper, we show how to arrange physical lighting so that the acquired images of each object can be directly used as the basis vectors of a low-dimensional linear space and that this subspace is close to those acquired by the other methods. More specifically, there exist configurations of k point light source directions, with k typically ranging from 5 to 9, such that, by taking k images of an object under these single sources, the resulting subspace is an effective representation for recognition under a wide range of lighting conditions. Since the subspace is generated directly from real images, potentially complex and/or brittle intermediate steps such as 3D reconstruction can be completely avoided; nor is it necessary to acquire large numbers of training images or to physically construct complex diffuse (harmonic) light fields. We validate the use of subspaces constructed in this fashion within the context of face recognition.     

Lambertian reflectance and linear subspaces

We prove that the set of all Lambertian reflectance functions (the mapping from surface normals to intensities) obtained with arbitrary distant light sources lies close to a 9D linear subspace. This implies that, in general, the set of images of a convex Lambertian object obtained under a wide variety of lighting conditions can be approximated accurately by a low-dimensional linear subspace, explaining prior empirical results. We also provide a simple analytic characterization of this linear space. We obtain these results by representing lighting using spherical harmonics and describing the effects of Lambertian materials as the analog of a convolution. These results allow us to construct algorithms for object recognition based on linear methods as well as algorithms that use convex optimization to enforce nonnegative lighting functions. We also show a simple way to enforce nonnegative lighting when the images of an object lie near a 4D linear space. We apply these algorithms to perform face recognition by finding the 3D model that best matches a 2D query image.     

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.     

基于51与K66双芯片的智能小车控制系统

本文提出一种新的智能小车主动及被动控制手段,采用STC89C51RC与K66双芯片实现对智能小车的控制.运用蓝牙通信技术实现通过手机端APP控制小车进行基本动作,同时利用超声波测距技术实现小车自动避障.此外,还加入了红外探测传感器以实现小车的自动循迹,结合低功耗的MT9V032摄像头,利用图像识别技术实现了信标灯寻的....     

自商图像

分析了 Retinex 及其与商图像 （Quotient Image, QI） 的关系,提出了自商图像 （self-quotient image） 的概念,以提取一个目标（如人脸）图像的内在特性,同时去除与光照相关的外在因素.SQI （self-quotient image） 方法克服了原始的 QI 方法的局限性,且能够提取与光照无关的内在特性.对算法适用的条件进行了理论分析,并在 SQI 计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度.实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率.     

图像分割方法在人脸识别中的应用

人脸识别由于受到光照、表情、姿势等因素的影响一直没有能够取得非常满意的识别率。提出了基于图像分割的人脸识别方法,该方法同时考虑了人脸图像中特征信息和结构信息,实验采用AR和ORL人脸数据库,结果表明该方法能有效提高人脸识别的准确率,同时对表情变化、灯光具有一定的鲁棒性。     

基于总变分模型的光照不变人脸识别算法

提出了一种基于L1总变分模型的对数商图像光照不变人脸识别算法。用L1总变分模型作为低通滤波算子对图像平滑滤波,得到图像光照分量的估计,然后在对数域中定义原图像与其光照分量的商为光照归一化图像,并用该图像作为光照不变量进行人脸识别。基于L1总变分模型的平滑滤波具有较好的边缘保持作用,能有效地消除光晕现象,并且参数设置简单。在YaleB和CMU PIE 人脸图像库上的试验结果表明,该算法能有效地提高人脸识别系统在不同光照条件下的识别率。     

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.