基于图像引导滤波的人脸光照预处理算法

针对人脸识别中人脸图像光照预处理的问题，提出一种基于图像引导滤波的人脸光照预处理算法。根据自定义光照标准函数对引导图像和输入图像进行分类，经指数或对数非线性变换调整后进行直方图均衡化处理。采用图像引导滤波对图像细节进行增强，使变换后的图像更清晰。利用空域高通滤波来抑制局部锐化现象。在YaleB人脸数据库上进行验证，结果表明，该算法在识别性能上明显优于经典的主成分分析法，识别率可以提高2％～8％。

基于光照预处理与特征提取的纺织品瑕疵检测方法

针对光照对纺织品图像特征提取的影响以及传统完整局部二值模式(complete local binary pattern)算法的局限性,本文提出了一种基于局部对比度增强(local contrast enhancement)算法的改进CLBP特征提取方法并将其应用到纺织品瑕疵检测中。该方法采用局部对比度增强算法对受光照影响的纺织品图像进行预处理,使用改进CLBP算法对分块后(格分割)图像进行特征提取,计算每一格子特征值与标准特征值的KLD散度并与训练得到的阈值进行比较,大于阈值格子标记为瑕疵。使用本文方法在标准星形(star)数据库与箱形(box)数据库中实验结果表明,该方法与其他预处理方法相比有更加出色的处理效果,大部分检测结果的查全率均可达到0.99左右。

几种应用于人脸识别的光照预处理方法对比

重点研究了基于图像处理技术的光照预处理方法,先对cas-peal人脸库定位,取出人脸信息,接着分别使用直方图均衡法、直方图规定法、同态滤波法和相位图法对cas-peal人脸库进行光照预处理,再用PCA进行试验,得出各种方法的识别率,最后对这几种方法进行评价。

基于图像的人脸识别光照预处理研究

基于图像的人脸识别在智能监控、图像处理、智能车辆系统等领域应用前景广阔。针对图像中人脸识别光照预处理进行研究,提出高斯差分滤波的光照预处理方法。本识别方法识别率较高,误识率较低,在光照不均匀时有较好的适应性。

人脸识别的光照预处理算法

针对光照变化对人脸图像的改变,降低人脸识别系统的识别率的问题,提出改进的光照预处理的方法,将图像用小波变换取低频成分,再进行双直方图均衡化处理,提高图像的光照对比度;然后对同一张图像,用高斯高通滤波器取高频成分,对图像进行信号增强;再对两种处理后的图像进行一定比例融合,用空域锐化方法再进行图像特征增强。用主成分分析(principal component analysis,PCA)方法进行降维,线性鉴别分析(linear discriminant analysis,LDA)方法进行特征提取。实验结果表明,在小训练样本情况下,较经典PCA方法错误率可下降25%左右。

基于对数域光照预处理的低照视频人脸检测方法

在低照度条件下,视频人脸易受图像背景、明暗度和图像噪声等因素的影响,检测率不高的问题成为了视频监控中人脸检索与识别应用的主要难题。文章以低照条件下的视频监控为背景,设计了一种基于Retinex理论的对数域光照预处理方法,并采用低照度人脸图像和Adaboost分类检测器进行实验验证。实验结果表明该方法可以改善低照度下人脸检测的性能。

改进单尺度Retinex的光照人脸识别

经典Retinex算法假设场景中光照是平缓变化的,当光照变化比较强烈时,易产生"光晕"现象,为了提高光照条件变化下的人脸识别率,提出一种改进单尺度Retinex的光照人脸识别方法。采用双曲正切函数代替Retinex的对数函数对人脸图像进行亮度和对比度非线性增强;利用双边滤波代替Retinex的高斯滤波消除"光晕",采用Retinex消除光照不利影响,采用K近邻算法建立人脸分类器。结果表明,改进Retinex降低了时间复杂度,图像增强效果优于同类算法,提高了人脸识别率,很好地解决了"光晕"问题,具有光照鲁棒性,可适用于光照变化较强条件下的人脸识别。

基于对称双线性模型的光照鲁棒性人脸表情识别

针对传统的光照预处理方法降低原始图像质量、丢失部分有效辨识信息的缺点,提出一种新颖的应用对称双线性模型来对人脸表情图像进行光照预处理的光照鲁棒性人脸表情识别方法.首先通过对称双线性模型将训练集图像分解为相互独立的光照因子和表情因子,并提取其光照因子.接下来提取含有未知光照的测试集表情图像的表情因子,并将其转换到训练集的若干个已知光照上,这样处理能够将任意光照的测试图像转换到相同的光照平台上,令所有测试图像的特征具有归一化特性.实验结果表明,本文所提光照预处理方法在识别性能上优于传统的光照预处理方法,应用在光照处理后的JAFFE表情库上识别率达到92.37%,表明其适用于光照鲁棒性人脸表情识别.

光照变化条件下的人脸识别技术研究

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸光照图像时易产生"光晕"难题,提出了一种基于Mean-Shift滤波的Retinex算法,并应用于人脸识别中的光照预处理。对人脸图像进行非线性增强;利用Mean-Shift滤波代替高斯滤波对光照估计,解决传统Retinex算法中存在的"光晕"难题。采用Yale B人脸库对算法性能进行测试,结果表明,该算法能够很好地抑制"光晕"现象的发生,具有光照鲁棒性,提高了人脸的识别率。

基于改进二维伽马算法的暗环境人脸识别方法研究

人脸识别技术是基于人的面部特征信息而进行识别的一种生物识别技术。相比于虹膜、指纹等生物特征,它具有非接触、易采集等特点,已经在监控安防、人机交互、身份认证等社会生活中起着越来越重要的作用。但在实际应用中,人脸图片的采集过程容易受拍摄角度、光照条件等因素影响,造成识别算法的准确度急剧下降。文章提出了一种基于改进二维伽马算法的人脸识别方法,根据图像的亮度分布特征实现伽马校正算法的快速计算,能够有效降低光照影响,提高暗环境下人脸识别的准确度和运行速度,为人脸识别技术在暗环境下的应用提供支撑和帮助。

改进的单尺度Retinex及其在人脸识别中的应用

为了提高在光照条件变化下的人脸识别率,提出一种改进的单尺度Retinex算法并用于人脸识别的光照预处理中。该算法通过非线性全局对比度增强对原图像增强,并利用Mean-Shift平滑滤波代替传统单尺度Retinex中的高斯滤波对光照估计,能够明显地消除单尺度Retinex算法中不能解决的光晕现象。在人脸库的实验表明,该算法不仅比直方图均衡化、Gamma校正、单尺度Retinex、多尺度Retinex算法具有更好的光照预处理效果,而且能够有效提高人脸识别率。

基于肤色模型的人脸检测研究

现有的人脸检测方法,对复杂光照环境下获得的彩色人脸图像的检测效果仍不太理想。在仔细研究目前人脸检测方法的基础上,对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出基于"光照预处理+肤色模型+模板匹配"的人脸检测问题解决思路。实验结果表明,该方法对实际场景中正面和准正面的人脸图像,平均准检率达到84%,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。

Facial-Lighting归一化方法研究

一直以来,人脸识别都是模式识别和计算机视觉领域的研究热点。作为一种重要的生物特征识别技术,在社会公共安全和日常生活中具有广泛的应用前景。目前,在可控环境下的人脸识别系统已达到了令人满意的性能。但是,在真实环境下影响人脸识别的因素是很难控制的,例如光照变化、姿态变化和遮挡等。本文主要关注人脸图像光照归一化的方法,重点研究了直方图均衡、高斯差分滤波、对数域离散余弦变换、梯度脸和光照预处理链等方法。

结合CS-LBP和DBN的非受控人脸识别

针对当前现有的局部特征描述子在非受控环境下人脸识别的性能受光照、背景、遮挡等因素影响较大的问题,提出基于Retinex理论的小波融合预处理方法并融合CS-LBP和DBN对图像进行高级特征提取的算法,该算法获得的特征既有局部纹理特征对光照鲁棒的特性又有深层特征的特性。相较于直接使用原始图像,使用局部纹理特征的图像作为DBN的输入,明显提升了计算效率。在FERET、Yale-B和CMU-PIE人脸数据库上的实验对比结果表明,该算法较其它算法识别率有明显提高,对光照的变化尤为鲁棒,验证了其优越性。