单样本光照不变人脸识别算法研究

摘要

人脸识别是二十一世纪一种新型且高端的生物特征识别技术。随着社会的不断发展，该技术在很多领域拥有很好的应用前景。然而，由于实际应用中很多无法预知的不可控因素的存在，人脸识别的性能急剧下降，其广泛应用也同样面临着严峻的挑战。在影响人脸识别性能的众多因素中，光照是一个非常难以处理的影响因素。通常在室外，人脸难免受到不同程度的光照影响，从而会使脸部有效的特征减弱而变得难以分辨。本文研究了人脸识别中非常棘手的光照问题，主要通过图像处理的手段减弱光照变化来有效地提高识别率，重点研究光照条件下的单样本人脸识别。
　　本研究主要内容包括：⑴介绍人脸的梯度特征。研究表明，人脸的梯度特征是一个光照不变的特征。在梯度脸的基础上提出一种可以稀疏表征人脸的特征提取方法。该算法通过提取多个方向梯度信息，同时采用局部二值模式编码思想对其进行编码，实验表明该方法可以很好地去除光照的影响，提取出人脸的本质特征，从而提高识别效果。⑵介绍一种能对图像进行最优稀疏表示的自适应 Haar小波变换—Tetrolet变换，以及基于人类视网膜模型的局部对比度增强方法，并在此基础上提出了一种有效的光照不变特征提取方法。对Tetrolet变换后的低频系数采用视网膜模型进行修正以达到削弱光照的目的，保留了更多的用于分类的信息。⑶介绍Retinex理论以及基于此理论提出的单/多尺度Retinex。同时为了有效地表示人类视觉系统的多尺度性，在非采样结构金字塔的基础上提出自适应非下采样拉普拉斯分解，并提出基于Retinex自适应分解的特征提取方法。通过局部不一致性衡量灰度变化的不连续程度并对每一个像素设置相应权值来估计光照分量。

目录

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 人脸识别的研究背景和意义

1.2 人脸识别的研究内容与现状

1.3 人脸识别中的光照问题

1.4 论文章节安排

第2章 基于梯度分量的光照不变特征提取算法

2.1 梯度脸

2.2 正交梯度相位脸

2.3 正交梯度二值模式

2.4 算法描述

2.5 实验结果对比

2.6 本章小结

第3章 基于Tetrolet变换的光照不变特征提取算法

3.1 Tetrolet变换

3.2 视网膜模型

3.3 算法描述

3.4 实验结果对比

3.5 本章小结

第4章 基于Retinex理论的光照不变特征提取算法

4.1 单/多尺度Retinex

4.2 自适应非下采样拉普拉斯分解

4.3 算法描述

4.4 实验结果对比

4.5 本章小结

第5章 总结与展望

5.1 工作总结

5.2 研究展望

参考文献

致谢

附录A 个人简历

附录B 在校期间发表的学术论文及研究成果

附录C 论文中的用图

附录D 论文中的用表