本文選題：人臉識別 + 光照歸一化��； 參考：《寧夏大學(xué)》2016年碩士論文

【摘要】：隨著信息技術(shù)的發(fā)展,人臉識別不僅在門禁系統(tǒng)有廣泛應(yīng)用,案件偵破、電子商務(wù)等更多領(lǐng)域也應(yīng)用了人臉識別系統(tǒng),所以人臉識別在當(dāng)今社會中的研究價值很高。人臉識別在日常生活中經(jīng)常會受到一些外界因素的干擾,如：表情、遮擋物、光照和姿態(tài),人臉識別系統(tǒng)在采集人臉信息時通常處于不可控的光源環(huán)境中,所以如何更快更簡潔的去除光照變化在人臉識別中的影響是未來人臉識別的一個重要研究領(lǐng)域。文章主要研究人臉識別中的光照變化領(lǐng)域,主要研究內(nèi)容與創(chuàng)新點如下：(1)本文深入研究了幾種光照歸一化的處理算法,如：對數(shù)變換、伽馬校正、直方圖規(guī)定化和直方圖均衡化,將這幾種算法分別在Yale B人臉庫中進行仿真實驗。結(jié)果證明,光照歸一化的處理算法雖然簡便,在一定程度上削弱了光照影響,但在光照條件較差的情況時,只采用基于光照歸一化的處理算法去除光照效果不明顯。(2)本文重點研究了自商圖像、多尺度Retinex算法和梯度臉這三種提取光照不變特性的算法。三種算法均在Yale B人臉數(shù)據(jù)庫下進行測試試驗,測試表明這三種算法均能很好的提取出入臉圖像中的輪廓和紋理等光照不變特征,有明顯的消除光照的作用。然而圖像經(jīng)過MSR算法的處理,人臉圖像的各個細節(jié)保留不完整；SQI算法在低信噪比處擴大了高頻噪聲,加權(quán)的高斯濾波器很難保留完整的邊緣信息,算法中的參數(shù)選擇也比較復(fù)雜；而梯度臉?biāo)惴ú粌H計算簡單,而且提取的光照不變特性信息較完整,且最終的識別率也要好于另外兩種光照不變特征提取算法。(3)研究發(fā)現(xiàn)人臉圖像有噪聲的情況下,噪聲會嚴(yán)重干擾梯度信息,從而使識別率大大下降。傳統(tǒng)的降噪方法在降噪時會模糊圖像,降低了圖像的梯度信息從而影響識別率。本文將非下采樣輪廓波變換(NSCT)與梯度臉提取光照不變特征的方法相結(jié)合,提出了NSCT-Gradientfaces算法,在有噪聲的人臉圖像上有很好的識別結(jié)果。將本文算法與高斯濾波、小波變換和Contourlet變換與梯度臉?biāo)惴ńY(jié)合,并在Yale B人臉庫中測試,實驗結(jié)果表明,本文算法的識別性能比前面幾種結(jié)合算法更好。
[Abstract]:With the development of information technology, face recognition is not only widely used in access control system, but also applied in many fields, such as case detection, electronic commerce and so on. Therefore, face recognition is of great value in today's society. Face recognition is often disturbed by some external factors in our daily life, such as expression, occlusion, illumination and pose. When collecting face information, face recognition system is usually in an uncontrollable light source environment. So how to remove the influence of illumination change more quickly and succinctly is an important research field of face recognition in the future. The main contents and innovations of this paper are as follows: (1) in this paper, several illumination normalization algorithms, such as logarithmic transformation, gamma correction, are studied in depth. Histogram specification and histogram equalization are simulated in Yale B face database. The results show that the illumination normalization algorithm is simple and weakens the illumination effect to some extent, but in the case of poor illumination conditions, Only using the illumination normalization algorithm to remove illumination is not obvious. (2) this paper focuses on the self-quotient image, multi-scale Retinex algorithm and gradient face to extract the illumination invariant characteristics of the three algorithms. The three algorithms are tested in Yale B face database. The test results show that the three algorithms can extract the illumination invariant features such as contour and texture in the face image, and can eliminate the illumination obviously. However, when the image is processed by MSR algorithm, every detail of the face image remains incomplete and the squi algorithm expands the high frequency noise at low signal-to-noise ratio, so it is difficult for weighted Gao Si filter to retain complete edge information. The selection of parameters in the algorithm is also complex, and the gradient face algorithm is not only simple to calculate, but also the extracted information of illumination invariance is relatively complete. And the final recognition rate is also better than the other two illumination invariant feature extraction algorithms. (3) it is found that when the face image has noise, the noise will seriously interfere with the gradient information, thus the recognition rate will be greatly reduced. The traditional denoising method will blur the image and reduce the gradient information of the image, thus affecting the recognition rate. In this paper, the non-downsampling contour wave transform (NSCT) is combined with the method of extracting illumination invariant features from gradient face, and the NSCT-Gradientfaces algorithm is proposed, which has good recognition results on noisy face images. The algorithm is combined with Gao Si filter, wavelet transform and Contourlet transform with gradient face algorithm, and tested in Yale B face database. The experimental results show that the performance of this algorithm is better than that of the previous algorithms.
【學(xué)位授予單位】：寧夏大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 劉天亮;戴修斌;陳昌紅;朱秀昌;劉峰;羅立民;;對光照變化魯棒的快速關(guān)鍵點提取與匹配[J];東南大學(xué)學(xué)報(自然科學(xué)版);2012年03期

2 戶磊;劉渭濱;邱亞欽;邢薇薇;李波;;光照變化下的運動目標(biāo)檢測方法[J];中國科技論文在線;2011年04期

3 宋世軍;宋連玉;郝龍龍;喬彩風(fēng);;光照變化對螺栓識別影響的實驗研究[J];中國工程機械學(xué)報;2012年03期

4 敖邦乾;廖紅虹;熊飛嶠;;對光照變化魯棒的一種運動目標(biāo)檢測方法[J];光電工程;2013年01期

5 蘇宏濤,張艷寧,王晶,趙榮椿;光照變化條件下的人臉識別研究[J];西北工業(yè)大學(xué)學(xué)報;2004年04期

6 孫吉花;劉肖琳;;光照變化的背景減除新算法[J];計算機仿真;2007年09期

7 趙英男;耿煥同;傅德勝;徐勇;;光照變化條件下不敏感特征的提取[J];武漢理工大學(xué)學(xué)報;2010年16期

8 李楠;;一種光照變化條件下的人臉識別方法[J];計算機與現(xiàn)代化;2012年07期

9 趙旭東;劉鵬;劉家鋒;唐降龍;;一種光照變化場景建模方法[J];智能計算機與應(yīng)用;2012年05期

10 趙英男;孟憲權(quán);徐勇;侯春明;;光照變化條件下的人臉識別預(yù)處理[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2007年02期

相關(guān)會議論文 前1條

1 林明秀;劉偉佳;張達旭;徐心和;;適應(yīng)光照變化的車輛目標(biāo)跟蹤算法[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 劉景波 文并圖;接片拍攝的五個原則[N];中國攝影報;2014年

相關(guān)博士學(xué)位論文 前6條

1 習(xí)文星;移動背景下視覺的行人檢測、識別與跟蹤技術(shù)研究[D];中國科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 蔣曉悅;光照變化條件下的人臉檢測與識別算法研究[D];西北工業(yè)大學(xué);2006年

3 于方杰;光照變化條件下立體視覺技術(shù)研究[D];中國海洋大學(xué);2013年

4 劉中華;光照變化條件下的人臉特征抽取算法研究[D];南京理工大學(xué);2011年

5 單勇;復(fù)雜條件下視頻運動目標(biāo)檢測和跟蹤[D];國防科學(xué)技術(shù)大學(xué);2006年

6 趙明華;人臉檢測和識別技術(shù)的研究[D];四川大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 靳強;基于移動設(shè)備的內(nèi)指橫紋生物特征身份認(rèn)證研究[D];華南理工大學(xué);2015年

2 萬艾學(xué);視頻序列中多運動目標(biāo)的檢測與識別[D];電子科技大學(xué);2014年

3 王紅嶺;基于ALGTP的人臉識別研究[D];上海師范大學(xué);2016年

4 呂碩;光照變化條件下的人臉識別研究[D];寧夏大學(xué);2016年

5 姜琳;光照變化條件下的人臉識別研究[D];重慶大學(xué);2009年

6 林忠濤;光照變化條件下人臉識別技術(shù)研究[D];華南理工大學(xué);2013年

7 陳昌鳳;表情與光照變化下幾種人臉識別方法的研究與改進[D];哈爾濱工業(yè)大學(xué);2010年

8 羅歡;面向特殊場景的運動人體目標(biāo)檢測與跟蹤研究[D];武漢科技大學(xué);2015年

9 王勇軍;基于局部匹配的人臉識別方法[D];南昌大學(xué);2012年

10 Wan Shan;[D];西南科技大學(xué);2012年

，

本文編號：2068949