论文部分内容阅读
随着计算机视觉领域的快速发展,人脸识别技术已经在各大领域得到了广泛的应用。但在实际场景中,各种外界因素的干扰极大的降低了人脸的识别率,其中,复杂的光照条件是影响人脸识别系统性能的关键因素之一。本文以复杂光照条件下的人脸识别问题为研究对象,对光照归一化算法和光照不变特征提取算法进行了研究,并提出了基于HSV空间的RetinexNet低光增强算法和基于中心对称局部二值模式和方向梯度直方图特征融合的人脸识别算法。本文的具体研究工作如下:针对在复杂光照条件下如何对人脸图像进行光照补偿的问题,在RetinexNet算法的基础上提出一种改进算法。首先从视觉特性出发,将图像转入HSV颜色空间,利用各通道相对独立的特性对亮度分量进行增强;同时为了调节图像的整体色感,采用相关系数对图像的饱和度分量进行自适应调整;最后使用锐化算法对图像的边缘细节进行增强,提高图像的特征表达。最后对改进算法进行了实验验证,结果表明改进算法可有效提高图像的质量。在复杂光照条件下,基于人脸特征表达不足的问题,本文提出了基于中心对称局部二值模式和方向梯度直方图的多特征融合的人脸识别算法。该算法首先提取人脸的纹理特征和方向梯度直方图,然后进行融合得到最终的人脸图像特征向量。通过该方法得到的融合特征充分结合了人脸的局部特征和全局特征,增强了对人脸图像的描述能力,有效提高了复杂光照条件下的人脸识别率。最后的实验结果验证了融合特征算法的有效性和鲁棒性。最后,本文设计了一种基于改进RetinexNet算法的多特征融合人脸识别算法。首先采用本文提出的光照增强算法进行预处理,然后用提出的多特征融合算子进行特征提取,最后使用最邻近分类进行分类识别。最后在人脸数据集上进行实验验证,证明了算法的有效性。