基于γ变换的Weber-Faces的人脸识别方法

光照变化对单样本人脸识别的效果影响巨大。对于光照问题,Weber-Faces的局部光照相同的假设在光照突变下不是非常严谨。为了消除光照影响,提高人脸识别率,针对这一假设问题,提出一种基于γ变换的Weber-Faces光照归一化方法。通过γ变换有效改善人脸图像的光照条件,达到局部光照均匀化的目的,使得局部光照相同的假设更加合理;通过Weber-Faces的方法进行光照归一化,能够消除光照分量,得到对光照更加鲁棒的反射人脸;提取反射人脸的LBP特征并进行识别。在光照角度变化的Extend Yale B人脸库和光照强度变化的AR人脸库上进行实验。实验结果证明,该方法对光照具有更好的鲁棒性,能够提高Weber-Faces的人脸识别率。在两个数据库上的识别率可以分别达到99. 04%和99. 56%,高于Weber-Faces的98. 94%和99. 50%,并优于其他光照归一化方法,如SSR、GIC、SQI、MSW等。