基于自适应变换和空域同态变换的人脸光照补偿方法研究

摘要

人脸检测有重要的科研和应用价值,AdaBoost是当前执行检测速度最快的算法之一。光照问题是人脸检测和人脸识别研究的主要问题之一,是限制人脸检测率和人脸识别率提高的主要原因。光照补偿方法分成两个大类:基于图像处理的方法和基于模型的方法,基于模型的方法因计算复杂和限制条件较多应用并不广泛,基于图像处理的方法因计算简单速度快得到广泛应用。基于图像处理的方法在人脸检测中表现优秀的GIC、HE和HS等方法都存在一些问题,GIC需要先指定参照光照图像,HS需要指定直方图形状,HE容易受图像背景影响,而对数、指数和伽玛校正等方法光照处理能力不够强,对数变换只能补偿过暗偏光图像,指数变换只能补偿过亮图像,伽玛校正无法独立补偿图像光照。本文采用自适应变换技术和空域同态技术进现有常见方法进行改进,使基于图像处理的光照补偿方法的整体性能得到提高,提高了人脸检测率。
　　光照问题非常复杂,所有的基于图像处理方法的光照补偿对正确曝光图像都有一定的损害,直接导制人脸检测率的降低,造成这一问题的主要原因是因为没有一个行之有效的判断光照的标准,使无需光照补偿的图像和需要光照补偿的图像一起被光照补偿方法处理了。本文定义了二个简单的图像光照标准,建立在此二个光照标准上的自适应变换技术大大改善了以上情况,自适应对数变换和自适应指数变换可以对过暗和过亮光照图像进行有效补偿,自适应伽玛校正无需参数图像或变换参数可以自动对所有有问题光照进行光照补偿,采用自适应技术的直方图均匀化也在一定程度改善了受背景影响的缺点。
　　另外,基于图像处理的光照补偿方法没有区分光照和反射,会把图像的反射和图像光照一起处理,造成图像的失真,本文提出了空域同态补偿技术解决这个问题,同态补偿技术可以应用到对数变换、指数变换、伽玛变换等光照补偿方法中,使被补偿后的图像细节变得更清晰。
　　光照问题只是人脸检测和人脸识别研究中的一个方面,所以,在最后本文采用了磁盘蔟聚技术和异步调回I/O技术来提高AdaBoost的训练速度训练了一个1000个弱分类器的级联分类器,做为支撑前面提到的光照技术的研究和应用平台。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题来源

1.2 课题意义

1.3 国内外研究现状

1.4 文章的安排

第二章 常用人脸光照补偿方法

2.1 直方图均匀化

2.2 直方图规格化

2.3 伽玛校正和伽玛强度校正

2.4 对数变换

2.5 指数变换

2.6 经典同态滤波

2.7 本章小节

第三章 自适应变换

3.1 对数函数的平移

3.2函数平移系数d的计算

3.3 典型光照图像及其直方图

3.4 本章小节

第四章 自适应变换技术的应用

4.1自适应指数变换

4.2自适应伽玛校正

4.3 采用自适应技术的直方图均匀化

4.4 几种采用自适应技术的光照补偿方法在人脸检测中的应用

4.5光照标准的讨论

4.6 本章小节

第五章 空域同态补偿技术

5.1 同态滤波的数学模型

5.2空域同态补偿公式

5.3同态对数变换

5.4 同态自适应对数变换

5.5同态指数变换

5.6同态自适应指数变换

5.7 同态自适应伽玛校正

5.8 空域同态补偿后图像的自(信息)熵分析

5.9 时域同态补偿后图像的清晰度评价

5.10 本章小节

第六章 Adaboost人脸检测系数训练

6.1 基于AdaBoost的算法的人脸检测

6.2 AdaBoost弱分类器训练

6.3 本章小结

第七章 实验及其效果分析

7.1 Yale Face DataBase B 介绍

7.2 光照补偿算法实验

7.3 人脸样品制作

7.4 负样品的制作

7.5 Adaboost训练

7.6 人脸检测

7.8 本章小节

第八章 结束语

8.1 本文研究工作的总结

8.2 后续研究工作与展望

参考文献

致谢

攻读硕士学位期间完成论文情况