基于圖像高頻信息提取與光照歸一化的人像識別研究.pdf

1、人臉檢測和識別技術(shù)在公共安全系統(tǒng)、身份鑒別和虛擬游戲等領(lǐng)域有廣泛應(yīng)用，但是光照問題卻是長期困擾該項技術(shù)實用化的主要原因之一。光照往往影響圖像的低頻信息，圖像高頻信息基本不受影響，因此提取圖像的高頻信息從而能提高識別率。本文主要討論幾種圖像高頻信息提取算法以及其在模式識別中的應(yīng)用。 已有的圖像高頻信息提取算法有全變分(TV)模型，對數(shù)域上利用全變分(LTV)模型以及對LTV模型所丟棄的人臉低頻信息通過二次多項式進行光照歸一化，再疊

2、加到LTV的高頻信息等等。 本文的主要工作是在TV模型的基礎(chǔ)上引入彈性網(wǎng)的思想，通過偏微分方程方法進行編程實現(xiàn)提取圖像高頻信息，并把提取的高頻信息與對數(shù)域上全變分模型提取高頻信息做比較，并用二次多項式對LTV模型所丟棄的人臉低頻信息進行光照歸一化的思想應(yīng)用到TV模型中進行光照歸一化。本文還結(jié)合在圖像高頻信息提取中的一些新思想，引入了雙向TV模型(BTV)和Sobel算子+L1模型兩個提取高頻信息的新模型，并通過實驗，從視覺效果和

3、識別率兩個方面分別進行比較。 實驗的結(jié)果證明，TV模型提取的高頻信息較LTV模型提取的高頻信息在識別率上要高，并且TV模型對于參數(shù)的選取相對不敏感。與直方圖均衡化方法相比，TV模型提取的高頻信息的識別率有所提高，邊緣提取較為理想。相對于TV模型，TV+二次多項式模型能有效提高識別率。但是TV+二次多項式模型也存在一些不足，例如視覺效果差，存在許多小斑點，這是有待解決的問題。 本文也通過實驗證明，BTV模型和Sobel算子