人臉識別中基于TV模型的光照不變量提取.pdf

1、人臉識別技術(shù)在實際中已經(jīng)得到廣泛的應(yīng)用，而現(xiàn)在大多數(shù)人臉識別算法都對光照比較敏感，光照問題已經(jīng)成為影響識別結(jié)果最主要的因素之一。處理光照問題最常用的一種方法是尋找具有光照不變特性的不變量來描述光照條件下的圖像，這些光照不變量主要包括圖像的高頻和邊緣信息。而提取圖像高頻和邊緣信息的一種有效辦法為TV模型。
　　 基于TV模型的光照不變量提取方法能夠在保持圖像邊緣的基礎(chǔ)上，充分地提取用于識別的人臉高頻細節(jié)特征，但也存在對光照不變量劃

2、分不夠精確以及參數(shù)優(yōu)化過于隨機的問題，針對以上問題引出了基于G范數(shù)的TV模型，并在此基礎(chǔ)上提出了一種基于自適應(yīng)參數(shù)的G范數(shù)TV模型，此模型可以對人臉細節(jié)特征進行更精確的劃分，得到更有利于識別的光照不變量。針對TV模型存在全局化、常值區(qū)域等問題，提出了基于TB模型和Contourlet變換相結(jié)合的方法，算法充分利用了Contourlet變換局部性、多方向性和TV模型保持邊緣的優(yōu)點，能有效地提取用來識別的人臉光照不變量。
　　 在Y

3、ale-B人臉數(shù)據(jù)庫上，本文提出的兩種模型的平均識別率相對于直接使用PCA+LDA分別提高了40.11％和40.65％，在最惡劣光照條件下都提高了86.87％。相對于傳統(tǒng)的TV模型，平均識別率也分別提高了1.91％和2.45％，在最惡劣光照條件下分別提高了1.41％和1.95％，并且基于自適應(yīng)參數(shù)的G范數(shù)TV模型還有效地減少了參數(shù)優(yōu)化的時間。這表明本文提出的算法能夠較好地改進傳統(tǒng)TB模型的缺點，是非常有效的光照不變量提取方法。