自适应人脸光照补偿方法及其在自动人脸识别中的应用

摘要

自动人脸识别是模式识别和人工智能领域最复杂和最重要的工作之一，可广泛应用于安全控制、监控系统、人机交互等领域。
　　 近年来，人脸检测和识别领域取得了长足的发展。Adaboost、PCA、LDA等方法在人脸检测和识别方面表现良好，并有了商业化应用系统。但是，非限制条件下的自动人脸识别依然是一个尚待解决的问题。光照、姿态等都是影响自动人脸识别的重要因素。研究表明，不同人脸的差别远小于不同光照条件下同一张人脸的差别。光照问题是自动人脸识别中的关键问题。因此，针对人脸光照补偿问题，本文做了以下工作:
　　 本文提出一种基于非线性变化的人脸光照补偿方法。该方法先使用拉普拉斯滤波增强边缘信息，然后利用对数变换和指数变换同时调节全局亮度，最后利用非线性变化削弱局部高光和阴影的影响，改善图像光照不均衡的情况，最终实现光照补偿。并在YaleB库、ORL库和CAS-PEAL的Lighting人脸库上作对比试验。实验结果表明，该方法能有效地进行光照补偿，提高人脸检测率。
　　 本文分析了基于Retinex理论的光照预处理算法，发现传统Retinex算法在侧光严重的情况下，难以消除阴影，而引入自适应平滑算法的Retinex能在一定程度上改善误增强阴影的状况，却在光照变化较小的库上表现不佳，因而，本文提出一个对数形式的传导函数，以改善光照补偿效果。并在YaleB库，CMU PIE库，AR库，CAS-PEAL的Lighting人脸库和日本女性表情库JAFFE库上作对比试验。实验结果表明，该传导函数能够很好地补偿光照，提高人脸识别率。
　　 基于人脸识别中，一般水平方向偏光对识别的影响比垂直方向偏光更大这一事实，本文引入一个加权梯度算子，增大水平偏导数所占的比重。并将该算子作为衡量局部灰度变换的因子带入平滑公式。同样在YaleB库，CMU PIE库，AR库，CAS-PEAL的Lighting人脸库和日本女性表情库JAFFE库上作对比试验。实验结果表明，该算子能够提高人脸识别率。

目录

声明

摘要

第一章 绪论

1．1 论文选题背景

1．2 自动人脸识别研究现状

1．2．1 人脸检测

1．2．2 人脸识别

1．3 论文的主要工作

1．4 论文组织结构

第二章 人脸光照问题研究综述

2．1 引言

2．2 数字图像处理基础知识

2．2．1 光照模型

2．2．2 图像锐化

2．2．3 图像平滑

2．2．4 图像成像模型

2．2．5 图像增强效果评价

2．3 人脸光照问题研究综述

2．3．1 增强图像

2．3．2 光照不变性特征

2．3．3 基于光照变化建模

2．3．4 光照补偿方法小结

2．4 小结

第三章 一种基于非线性变换的光照补偿方法

3．1 引言

3．2 基于非线性变换的光照补偿方法

3．2．1 锐化滤波

3．2．2 全局光照调整

3．2．3 削弱高光和阴影

3．2．4 本文算法流程

3．3 仿真实验

3．3．1 Adaboost算法

3．3．2 人脸检测算法评价标准

3．3．3 实验对象

3．3．4 实验结果与分析

3．4 小结

第四章 基于Retinex理论的光照补偿算法

4．1 引言

4．2 Retinex算法

4．2．1 单尺度Retinex算法(SSR)

4．2．2 多尺度Retinex算法(MSR)

4．2．3 两种Retinex算法的性能分析

4．3 自适应平滑Retinex算法

4．3．1 不连续性度量

4．3．2 传导函数

4．3．4 本文算法

4．4 仿真实验

4．4．1 主成分分析(PCA)

4．4．2 基于Gabor特征的人脸识别方法

4．4．3 人脸库

4．4．4 参数选择

4．4．5 实验结果

4．5 总结

第五章 结论及未来的工作

5．1 结论

5．2 未来的工作

致谢

攻读硕士学位期间从事的科研工作及发表的论文

参考文献