基于商圖象的人臉光照補償方法研究.pdf

1、光照、姿態(tài)和表情是目前影響人臉識別精度的三大重要因素。特別是自然環(huán)境光的變化不能人為控制，它不可避免地對人臉識別中人臉檢測、特征提取、動態(tài)跟蹤甚至三維人臉建模等關(guān)鍵方面產(chǎn)生影響。本文以人臉識別中的光照問題為研究對象，在商圖象理論基礎(chǔ)上，根據(jù)點光源位置分布和人臉結(jié)構(gòu)的對稱性，提出了基于一半人臉圖象的商圖象計算方法。另外，按加光和去光思路給出了兩種不同光照補償策略，并分別在PCA特征子空間和小波變換空間上進(jìn)行了實現(xiàn)。本文主要完成的工作概括如

2、下： (1)分析了光照變化對人臉圖象及人臉識別系統(tǒng)產(chǎn)生的影響，總結(jié)了目前典型的光照處理方法，較詳細(xì)地探討了各種方法的優(yōu)缺點，并結(jié)合商圖象合成理論存在的問題提出了具體的改進(jìn)思路。 (2)提出了基于一半人臉圖象的商圖象計算方法，并構(gòu)造了低維光照樣本訓(xùn)練集。光照樣本集的豐富程度直接影響對待識別圖象的光照條件估計，為了更精確估計圖象在極端條件下的光照情況，根據(jù)Lee等提出的用9種典型人臉光照條件來識別普通光照條件下人臉圖象的思想

3、，設(shè)計了9維光照樣本訓(xùn)練集；在此基礎(chǔ)上，結(jié)合點光源位置分布和人臉結(jié)構(gòu)的對稱性特點，提出了利用左半幅人臉圖象來構(gòu)造訓(xùn)練集的方法，使算法空間復(fù)雜度和時間復(fù)雜度都降低了將近一半。同時，利用主成份分析法(PCA)和小波變換做進(jìn)一步的降維處理，構(gòu)造了在PCA特征子空間和小波變換空間上的低維訓(xùn)練矩陣，并分別在其上實現(xiàn)了對商圖象的計算。實驗說明通過PCA和小波變換能有效減少人臉自身陰影的影響。 (3)給出了兩種灰度圖象光照補償策略，并在此基礎(chǔ)