论文部分内容阅读
随着模式识别相关领域的发展,人脸识别的研究已经取得了很大的进步。但是复杂的光照条件仍是影响人脸识别系统性能的关键问题之一。因此,如何解决光照变化对人脸识别性能的影响,成为实用性人脸识别技术中一个具有挑战性的问题。本文以复杂光照条件下的人脸识别问题为主要研究对象,着重对光照归一化算法和光照不变特征提取算法进行深入研究,并提出了相应的解决方案:基于改进型Gabor的自商图人脸识别算法和基于光照预处理链的特征融合人脸识别算法。本文具体的研究工作概述如下:(1)针对光照变化问题,本文首先从传统的图像增强算法和基于朗伯模型的光照不变特征提取算法着手研究,通过对处理效果图和识别精度两方面的分析,发现传统的图像增强算法可以在一定程度上减弱光照的影响,而在复杂的光照条件下识别率会急剧下降。相反,基于朗伯模型的光照不变特征提取算法能较好的去除光照影响,但仍有较大的提升空间。(2)通过对Gabor自商图模型的改进,提出一种基于改进型Gabor的自商图人脸识别算法。首先对人脸图像采用改进的加权Gabor滤波器进行平滑的Gabor特征提取;其次使用自商图像的方法求取图像的光照不变特征;然后对得到的自商图像用直方图截断等方法进行归一化;最后在Extended Yale B与CMU PIE人脸数据库上通过基于皮尔逊相关系数的最近邻方法进行实验。实验结果表明,与传统算法相比,该算法可以大幅度提高人脸识别率。(3)针对2DLDA和LBP特征融合人脸识别算法在复杂光照条件下识别率低的问题,提出一种基于光照预处理链的特征融合人脸识别算法。首先引入光照预处理链算法进行光照预处理,解决了2DLDA对光照变化引起的局部鲁棒性较差的问题;其次将预处理过的图像分别进行分块LBP特征提取和2DLDA特征提取;然后使用加权融合的方式对2DLDA和LBP进行特征融合;最后在Extended Yale B与CMU PIE人脸数据库上使用最近邻分类器进行分类识别。考虑到LBP特征抗噪声能力差和对平滑的弱光照梯度敏感等问题,另外提出了一种基于光照预处理链的2DLDA和LTP特征融合的人脸识别算法。实验结果验证了两种特征的互补性和所提的特征融合算法的有效性和鲁棒性。