基于曲波变换和Retinex人脸光照处理算法

针对光照对人脸识别影响问题,提出了一种基于曲波变换和Retinex人脸光照处理的算法。该算法对光照变化人脸对数变化后的图片进行曲波变换(Curvelet);利用Kimmel变分模型作为平滑滤波算子对低频图像进行平滑滤波,对高频系数进行阈值去噪。通过曲波逆变换得到光照亮度成分图像;利用Retinex模型提取光照不变成分。通过Yale B与CMU PIE人脸库的实验结果表明:该算法能有效地消除光照变化对人脸识别的影响并提高人脸识别率。     

基于多特征融合的复杂光照人脸识别

提取人脸图像光照不变量是提高不完备训练样本人脸识别光照鲁棒性的一个有效途径。以往算法分别从不同角度提取人脸图像的高频特征作为光照不变量不能提取完整的人脸本征,具有一定的局限性。从特征级和决策级融合的角度提出了一种基于多特征融合的复杂光照人脸识别方法。所提算法能发挥不同光照不变量的自身优势,明显提高复杂光照人脸识别的光照鲁棒性。Yale B+和非控光照人脸库的实验结果表明所提算法的有效性。     

基于小波变换和光照补偿的人脸识别方法

针对光照对人脸识别影响的问题,提出一种结合小波变换和光照补偿的人脸识别方法。该方法首先利用离散小波变换将人脸图像的低频子带和高频子带分离,在小波变换的低频子带上分别进行直方图均衡化和对数变换,将处理后的低频子带进行融合构成新的低频子带。接着对高频子带进行阈值去噪后乘以一个标量,构成新的高频子带。最后利用小波逆变换重构出新的人脸图像并利用PCA算法进行识别。实验结果表明,该方法能有效地削弱光照的影响,提高人脸识别率。     

一种混合特征的人脸识别算法仿真研究

研究人脸识别优化问题,人脸图像受光照、人脸表情和位置变化等因素影响,由于图像具有复杂的多尺度特征,传统人脸识别算法只能提提取局部或全局特征,不能准确描述人脸图像,导致人脸识别率低。为了提高人脸识别率,提出一种小波分解和LBP算子相结合的人脸识别算法(WTLBP)。WTLBP首先利用小波变换对人脸图像进行分解,将人脸图像分解成大尺度和小尺度图像,然后采用LBP算子提取人脸图像的多尺度特征,最后采用概率统计法对人脸进行匹配识别。对ORL人脸库进行仿真,结果表明,WTLBP能够提取到人脸图像更加丰富的局部和全局信息,对光照、人脸表情和位置变化具有较高的鲁棒性,提高了人脸识别率。     

基于Radon变换的人脸识别

针对目前大部分的人脸识别算法不能同时克服光照、表情、遮挡等复杂条件干扰的问题,提出一种基于Radon变换的人脸识别算法。该算法首先采用一种光照归一化算法对人脸图像进行预处理,然后采用Radon变换提取人脸的不变特征,最后采用二维最近邻分类器进行人脸识别。通过在AR人脸库的人脸识别实验,说明了该算法对多种复杂条件下的人脸识别具有一定的鲁棒性和普适性。     

改进的自商图算法

针对人脸识别中的光照变化问题,提出一种改进的自商图算法。对光照图像进行伽玛变换,使用非下采样轮廓波变换对图像进行多尺度多方向分析,对各方向子带进行Wiener滤波,利用自商图模型提取人脸图像的光照不变特性。Yale B与CMU PIE人脸库上的实验结果表明,与传统算法相比,该算法的平均识别率更高。     

基于深度学习与二维离散小波分解特征相融合的adaboost人脸识别模型

为了提高人脸识别的效率,本文提出了一种将小波分析、深度学习和adaboost分类器相结合的人脸识别方法。传统的基于小波变换的人脸识别算法仅仅提取了小波分解的低频分量用于分类图像的特征,为了更有效地提取人脸图像特征,提出了一种将传统特征和深度特征相融合的人脸识别算法。首先,通过二维离散小波变换函数对人脸图像进行二维离散小波变换,提取出人脸图像的低频部分作为特征值,接着通过深度残差网络提取人脸深度特征,最后将融合后的特征应用adaboost分类器进行分类识别。通过在ORL人脸库实验证明,融合后的方法能有效地提高分类识别率。     

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。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

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。     

Variable lighting face recognition using discrete wavelet transform

This paper presents a new discrete wavelet transform (DWT) based illumination normalization approach for face recognition under varying lighting conditions. Our method consists of three steps. Firstly, DWT-based denoising technique is employed to detect the illumination discontinuities in the detail subbands. And the detail coefficients are updated with using the obtained discontinuity information. Secondly, a smooth version of the input image is obtained by applying the inverse DWT on the updated wavelet coefficients. Finally, multi-scale reflectance model is presented to extract the illumination invariant features. The merit of the proposed method is it can preserve the illumination discontinuities when smoothing image. Thus it can reduce the halo artifacts in the normalized images. Moreover, only one parameter involved and the parameter selection process is simple and computationally fast. Experiments are carried out upon the Yale B and CMU PIE face databases, and the results demonstrate the proposed method can achieve satisfactory recognition rates under varying illumination conditions.     

Illumination invariant extraction for face recognition using neighboring wavelet coefficients

The features of a face can change drastically as the illumination changes. In contrast to pose position and expression, illumination changes present a much greater challenge to face recognition. In this paper, we propose a novel wavelet based approach that considers the correlation of neighboring wavelet coefficients to extract an illumination invariant. This invariant represents the key facial structure needed for face recognition. Our method has better edge preserving ability in low frequency illumination fields and better useful information saving ability in high frequency fields using wavelet based NeighShrink denoise techniques. This method proposes different process approaches for training images and testing images since these images always have different illuminations. More importantly, by having different processes, a simple processing algorithm with low time complexity can be applied to the testing image. This leads to an easy application to real face recognition systems. Experimental results on Yale face database B and CMU PIE Face Database show that excellent recognition rates can be achieved by the proposed method.     

提取多尺度光照不变量的人脸识别

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题,为了提高人脸图像的识别率,提出了一种用于非均匀光照条件下人脸识别的算法.利用对数及二维小波变换的多尺度特性提取出人脸的光照不变量,然后运用PCA+LDA方法进行人脸特征提取,并采用基于欧氏距离的最近邻分类器进行识别.通过Matlab编程实验,在Yale B人脸库中达到了较高的识别率.     

基于BM3D预处理的纹理光照不变特征提取算法

为消除光照变化对图像结构信息的影响,提出基于三维块匹配（BM3D）预处理的纹理光照不变特征提取算法。基于BM3D算法的良好降噪特性,该方法首先对图像各颜色通道采用BM3D降噪,利用小波变换得到各颜色通道对数域的低频和高频分量,然后对低、高频分量分别运用小波降噪和Bayes-Shrink算法降噪,并构造光照不变量,最后采用主成分分析(PCA)降低特征维度,取得特征向量,并利用K-最近特征线分类器进行图像分类。在Outex_TC_00014纹理数据库的实验结果表明,该算法具有较好的分类效果。     

Illumination invariant feature extraction and mutual-information-based local matching for face recognition under illumination variation and occlusion

An efficient method for face recognition which is robust under illumination variations is proposed. The proposed method achieves the illumination invariants based on the illumination-reflection model employing local matching for best classification. Different filters have been tested to achieve the reflectance part of the image, which is illumination invariant, and maximum filter is suggested as the best method for this purpose. A set of adaptively weighted classifiers vote on different sub-images of each input image and a decision is made based on their votes. Image entropy and mutual information are used as weight factors. The proposed method does not need any prior information about the face shape or illumination and can be applied on each image separately. Unlike most available methods, our method does not need multiple images in training stage to get the illumination invariants. Support vector machines and k-nearest neighbors methods are used as classifier. Several experiments are performed on Yale B, Extended Yale B and CMU-PIE databases. Recognition results show that the proposed method is suitable for efficient face recognition under illumination variations.     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

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。     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。