论文部分内容阅读
随着现代人脸识别技术的迅速发展,在国家及公共安全等领域,人脸识别技术已经显示出较大的应用前景。当前,人脸识别技术已经成为当前机器视觉中的一个重要组成部分。虽然人脸识别技术已经在多个领域得到了较大的应用,但是在人脸识别的研究中还存在较大的问题。在人脸识别的技术发展中,影响人脸识别技术的因素有很多,其中光照就是一个重要的影响因素。在本文的研究中,将重点分析人脸库中复杂光照条件下的人脸识别算法。本文研究的主要工作如下:(1)本文提出了基于多阈值OTSU分割的自适应Gamma校正方法,并通过实验分析对比发现该方法能够自适应的将图像区域分割成暗区间、过渡区间以及亮区间,并且能够在各个区间进行不同的Gamma校正处理。该算法中引入了OTSU分割的方法解决了传统分割存在的块效应问题,多阈值方法避免了对图像像素逐一遍历的问题。最终的实验结果验证了该方法在改善图像光照、增强图像的质量、提高图像的视觉效果等方面具有良好的处理效果。(2)本文基于朗伯光照模型提出人脸图像增强算法:多尺度Retinex算法(MSR)、自商图像算法(SQI)、基于小波变换的处理方法(WT)。通过实验验证了算法的有效性,并分析了得出了以下的结论:MSR在处理光照时,容易发生“光晕”现象,在SQI方法中,不同的窗口大小和滤波核尺度对处理效果有不同的影响,选用多尺度SQI方法可以取得更好的处理效果;WT方法可以取得较好的光照处理效果,但是处理后的图像会出现分块现象,可以选择正交且光滑的小波基来改善这种情况。(3)本文提出了一种基于Curvelet变换和Retinex理论的人脸识别算法,该算法利用了Curvelet变换良好的边缘保持能力来作为多尺度分解的工具,利用双边变换和阈值去噪方法分别对得到的低频和高频系数处理,最终根据Retinex理论方法获得光照不变特征。通过与SSR、MSR、SQI和WT算法的实验对比,可以看出,该算法充分利用了图像高低频系数中可用于识别的特征,能够在变化光照条件下取得较好的识别效果。