自适应LBP在复杂光照下人脸识别中的应用研究

人脸识别技术是通过脸部图片来验证身份信息的一项身份验证技术,相比于其他身份识别技术有着应用范围广泛、便利等优势.然而人脸识别算法在复杂光照场景下的识别率仍然不高,针对这一问题,提出自适应LBP算法,即用图像块的自身的信息熵和亮度信息对图像块进行自适应加权,并通过实验证明算法提高了人脸识别率.     

一种对光照鲁棒的人脸图像预处理算法

分析了Retinex理论的本质意义,得出Retinex输出图像本质上是相对反射率,而相对反射率对光照不敏感,从而将其应用于光照情况复杂的人脸图像预处理.采用均值方差归一化的方法,对Retinex输出图像进行灰度值线性拉伸.实验结果表明,该算法能有效地提高人脸识别对光照的鲁棒性,尤其是非受控条件下得到的复杂光照人脸图像.     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法.通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进...     

基于Retinex算法的光照变化条件下人脸识别研究

光照变化会对人脸识别结果产生干扰,导致当前光照变化人脸识别结果不理想,为了降低光照变化对人脸识别结果的不利影响,以提高光照变化人脸识别效果,设计了基于Retinex算法的光照变化条件下人脸识别方法。采用激光传感器采集光照变化下的人脸图像,并对人脸进行格式转换,然后采用Retinex算法对转换后的人脸图像进行增强操作,消除光照变化对人脸图像干扰,改善人脸图像质量,最后采用模式识别技术设计人脸图像识别的分类器,并与其他人脸图像识别方法进行了对比测试。实验结果表明,本方法消除了不同光照变化的干扰,提高了人脸图像亮度、对比度和熵值,相对于对比方法,本方法的人脸识别精度更高,精度平均值达到了96%,而且加快了人脸识别速度,具有比较明显的优越性。     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练,给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法,并引入用于图像质量评价的量化指标等内容,图像增强效果好,对于图像增强的实践教学具有较好的参考价值。     

光照变化条件下的人脸识别技术分析

人脸识别技术是目前十分常用的一种考核手段,并且在一些特殊的安全领域也有用到,因此提升识别精准度关乎到该技术的发展前景.使算法能够对各类光照状态下的面部图片得到很好的提升作用,然后通过Mean-Shift光滑滤波对灯光实行估算,增强了在光照变化因素下的面部鉴别效果.     

复杂光照下的视频人脸检测与识别的研究

为了解决复杂光照下的视频人脸检测与识别率受影响的问题,提出了一种光照不变的人脸检测与识别方法.该方法基于Retinex理论,提取光照不变分量,然后用于训练AdaBoost分类器;对输入的视频序列也进行相同的光照预处理,然后用训练的AdaBoost分类器进行人脸检测;把检测到的光照不变人脸图像采用分块加权LBP进行特征提取,采用欧氏距离与最近邻分类器进行分类.实验结果表明:该方法能有效提高视频人脸检测率与人脸识别率,而且对于人脸检测与识别只需要一次光照处理,具有更高的效率.     

光照鲁棒的人脸识别

传统的人脸识别方法对待识别人脸图像的质量要求较高,而且要求所采集的人脸图像的光照情况与人脸训练库的光照情况的差异不能太大,这就限制了人脸识别系统运行的环境条件,从而限制了人脸识别的应用。为了降低人脸识别对环境条件的要求,真服光照对人脸识别的影响。本文分析了人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别方法,使得对任何光照条件下采集的图像经过归一化后,光照情况与训练库中的图像完全相同,同时保留了人脸的可区分性。因为人脸之间差异的信息量一般较少,故本文运用最小非零特征向量作为人脸特征,通过实验仿真,与传统方法相比本文人脸识别方法对光照变化具有鲁棒性。     

面向识别的人脸去光照预处理算法

目前,光照变化是人脸识别预处理面临的困难之一。文中对经典的去光照预处理算法包括图像增强方法、提取光照不变性、Retinex算法、对数变换等算法及其改进后的算法进行了分析和总结。最后提出了对去光照的研究方向。     

基于方向扫描的图像光照补偿算法

提出了一种基于二维图像信息的人脸光照补偿算法。基于人脸形状与球面相近的假设,首先沿人脸对称方向估算均匀光照下人脸图像灰度的统计信息,并对统计信息进行数据拟合,构建标准光照模型;然后估算非均匀光照下人脸图像的大致光照方向,并沿垂直光照方向对图像灰度进行统计分析;最后利用标准光照模型,结合线性和非线性变换,把非均匀光照下人脸图像调整到标准状态。在Yale B人脸库上的处理结果表明,该算法可以解决大角度斜光照和极度暗光照情况下光照补偿问题,且算法简单计算量小。     

Adaptive color image processing and recognition for varyingbackgrounds and illumination conditions

The paper presents a fuzzy-based method for recognizing color objects in a complex background under varying illumination. Fuzzy rules are generated using a fuzzy associative memory (FAM) training method to cope with chromatic distortion. The color model used is the hue, saturation, and value (HSV) color model. The authors propose a unique adaptive fuzzy system, motivated by the human vision system's color constancy, in order to accommodate varying background color and illumination conditions, as well as incorrect focus of the camera. This adaptive system can adjust the fuzzy rules dynamically based on the properties of surrounding pixels in order to make a decision. The proposed method is tested on a two-hour video tape captured by a GPSVan, in which real-world scenes may have incorrect video camera focus, color distortions, and varying illumination conditions. Experimental results are reported and analyzed     

一种消除光照影响的人脸识别方法

光照变化容易使人脸图像的灰度分布不均匀,造成局部对比度差别较大,影响人脸识别的效果。为此本文首先分别对人脸图像进行直方图均衡化和对数变换,接着将处理后的图像进行融合,然后运用PCA算法对人脸图像进行特征提取,最后采用三阶近邻分类法来实现人脸识别。通过对Yale、ORL和FERET人脸库的仿真实验结果表明,该方法在人脸图像光照变化的情况下,能够较好地改善人脸补偿的效果,具有较高的平均识别正确率。     

Manifold learning for face recognition under changing illumination

Appearance-based methods have been proven to be useful for face recognition tasks. The main problem with appearance-based methods originates from the multimodality of face images. It is known that images of different people in the original data space are more closely located to each other than those of the same person under different imaging conditions. In this paper, we propose a novel approach based on the nonlinear manifold embedding to define a linear subspace for illumination variations. This embedding based framework utilizes an optimization scheme to calculate the bases of the subspace. Since the optimization problem does not rely on the physical properties of the factor, the framework can also be used for other types of factors such as pose and expression. We obtained some promising recognition results under changing illumination conditions. Our error rates are comparable with state of art methods.     

基于改进的格拉斯曼流形的模糊人脸图像识别

传统算法进行模糊人脸识别的过程中,一旦人脸表情发生变化,人脸特征也将发生改变,导致人脸识别的准确性降低。为此,提出一种基于改进的格拉斯曼流形的模糊人脸识别方法。在格拉斯曼流形上构建全部模糊人脸样本图像的近邻图来估计人脸特征分布的几何结构,然后将其作为正则化项整合到模糊人脸识别的目标函数中,从而获得更精确的人脸特征投影矩阵。仿真实验结果表明,利用改进算法进行模糊人脸识别,能够提高识别的准确率和效率,效果令人满意。     

An LBP-based multi-scale illumination preprocessing method for face recognition

It is one of the major challenges for face recognition to minimize the disadvantage of il- lumination variations of face images in different scenarios. Local Binary Pattern (LBP) has been proved to be successful for face recognition. However, it is still very rare to take LBP as an illumination preprocessing approach. In this paper, we propose a new LBP-based multi-scale illumination pre- processing method. This method mainly includes three aspects: threshold adjustment, multi-scale addition and symmetry re...     

以LBP为基础的图像集人脸识别算法分析

人脸识别技术主要有单一图像识别与多图像识别。基于图像集人脸识别算法采用了多图像识别,主要是在LBP的基础上进行有效的计算,与传统算法相比具有较大的优势。文章首先对人脸识别数据库进行分类阐述,而后对人脸检测技术进行深入的分析,最后着重分析以LBP为基础的图像集人脸识别算法,提出几点建议,仅供参考。     

基于二维图像表示的人脸识别算法研究

尽管传统的人脸识别技术已经有了非常大的进步,在很多方面仍然存在一定的缺陷。文章对二维图像进行了深层次的分析,从二维图像的特征、研究意义以及应用范围进行讨论,再结合人脸识别技术和算法从4个不同的角度切入,对二维图形表示的人脸识别算法进行了详细阐述。     

非均匀光照下的车牌图像分割算法

为了克服非均匀光照对车牌图像分割效果的影响,提出了一种新的光度补偿插值算法,将子图像的平均灰度值作为中心相对照度,并且利用插值算法得到子图像边缘照度,将非均匀光照的车牌图像转变成均匀光照图像,进而利用Otsu算法对均匀光照车牌图像进行分割。实验结果表明,该算法对非均匀光照图像分割精度高,运算速度快,具有更加理想的分割效果。     

适于人脸识别的PCA算法应用研究

人脸识别问题涵盖了多个领域如图像处理、计算机视觉和模式识别等,文中主要研究了PCA算法的原理,并基于MATLAB软件平台实现了人脸识别系统。本系统对图像进行预处理后,用ORL人脸库中的部分图像作为样本,通过K-L变换获取训练样本的特征值和特征向量,从而得到特征脸向量,然后将测试样本投影到已知的特征脸空间,计算出坐标系数,进而得出分类识别的结果。实验证明了本系统有较高的人脸识别率,具有一定的实际应用价值。