人臉識別中光照問題的研究.pdf

1、研究表明，同一個(gè)人在不同光照情況下得到的圖像之間的差異往往比不同人在相同光照條件下得到的圖像之間的差異還要大，因此消除光照變化對人臉圖像造成的影響對人臉識別來說具有重要意義。目前人臉識別中解決光照變化影響問題的方法主要可以分為三類:基于提取光照不變特征的方法、基于光照變化的建模方法和基于光照條件標(biāo)準(zhǔn)化的方法。這幾類解決光照問題的實(shí)現(xiàn)要么依賴于預(yù)先確定的基函數(shù)或者濾波器，要么是在一定理想的假設(shè)條件下提出的，因而限制了它們在實(shí)際中的應(yīng)用。<

2、br>　　經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)作為一種無參數(shù)特性和基于數(shù)據(jù)驅(qū)動(dòng)的自適應(yīng)分析方法，近年來已被越來越廣泛的被應(yīng)用到圖像壓縮、圖像融合、紋理分析、特征提取等圖像處理領(lǐng)域，其實(shí)質(zhì)是將輸入信號根據(jù)數(shù)據(jù)自身的時(shí)間尺度特征分解成一簇涵蓋了源信號從高頻到低頻的多尺度信號特征的固有模態(tài)函數(shù)，其最大的特點(diǎn)是無需設(shè)定任何的基函數(shù)。鑒于經(jīng)驗(yàn)?zāi)B(tài)分解算法的無參數(shù)特性和基于數(shù)據(jù)驅(qū)動(dòng)的自適應(yīng)分析，本文詳盡闡述了EMD的原理，并在標(biāo)準(zhǔn)經(jīng)驗(yàn)?zāi)B(tài)分解算法的基礎(chǔ)上對原算法

3、進(jìn)行了改進(jìn)，將其應(yīng)用的人臉識別光照變化問題處理中，從整體上有效消除了光照變化對人臉識別造成的影響。
　　本文首先闡述了光照變化對人臉識別的造成的影響以及當(dāng)前主要的一些光照變化問題處理方法。當(dāng)前人臉識別中處理光照變化問題的一些方法要么依賴于預(yù)先確定的基函數(shù)或者濾波器，要么是在一定理想的假設(shè)條件下提出的，使得它們雖然可以在一定程度上消除人臉圖像中因光照造成的影響，但總體效果并不是很理想，再加上很多算法實(shí)現(xiàn)的復(fù)雜性，從而限制了它們在實(shí)際

4、中的應(yīng)用。
　　其次，在對經(jīng)驗(yàn)?zāi)B(tài)分解算法篩選過程中計(jì)算信號上下包絡(luò)均值即信號局部均值過程分析的基礎(chǔ)上，從信號插值點(diǎn)的檢測方法和插值算法的選取兩個(gè)方面對原 EMD算法進(jìn)行了改進(jìn)，提出了一種能更好的處理人臉圖像中光照變化信息的改進(jìn)方法。首先對輸入信號的一階導(dǎo)數(shù)進(jìn)行篩選，計(jì)算出信號高頻分量的極值點(diǎn)，然后再以上一步得到的信號高頻分量的極值點(diǎn)作為插值點(diǎn)、以B樣條插值法代替原 EMD中采用的三次樣條法作為插值算法對信號進(jìn)行篩選，從而分解出

5、IMF。
　　然后，在一維經(jīng)驗(yàn)?zāi)B(tài)分解的基礎(chǔ)上，也從極值點(diǎn)的檢測和插值方法兩方面出發(fā)，以8鄰域比較法作為檢測人臉二維信號極值點(diǎn)的方法、以基于三角的立方插值法作為篩選過程計(jì)算包絡(luò)曲面的插值算法，將經(jīng)驗(yàn)?zāi)B(tài)分解從一維形式擴(kuò)展到二維形式，并用于人臉識別光照問題處理中。其中在利用8鄰域比較法檢測人臉圖像的極值點(diǎn)時(shí)，將圖像上的所有極值點(diǎn)分為兩類，即第一類極值點(diǎn)和第二類極值點(diǎn)。并論述了二維 IMF經(jīng)驗(yàn)?zāi)B(tài)分解篩選過程所面臨的主要問題，包括極值