人臉識(shí)別技術(shù)現(xiàn)在在許多重要場(chǎng)合已被廣泛應(yīng)用,也成為當(dāng)前機(jī)器視覺(jué)中一個(gè)關(guān)鍵的組成部分。但是,現(xiàn)有人臉識(shí)別系統(tǒng)的準(zhǔn)確率對(duì)圖像質(zhì)量的依賴性較大,在處理低質(zhì)量無(wú)約束人臉圖像時(shí),性能會(huì)嚴(yán)重退化。人臉識(shí)別結(jié)果受到多種因素影響,光照就是其中一個(gè)重要的影響因素。在本文的研究中,將重點(diǎn)分析人臉庫(kù)中針對(duì)復(fù)雜光照下的人臉進(jìn)行預(yù)處理的人臉識(shí)別算法。本文研究的主要工作如下:1)研究Gamma校正、直方圖均衡化以及對(duì)數(shù)變換等圖像增強(qiáng)方法,并利用上述算法對(duì)EYale B人臉庫(kù)進(jìn)行圖像的光照歸一化。通過(guò)理論分析以及仿真實(shí)驗(yàn),表明上述方法在一定程度上能夠削弱光照帶來(lái)的影響,然而在復(fù)雜光照下,對(duì)人臉圖像進(jìn)行光照歸一化處理對(duì)人臉圖像視覺(jué)效果的改善并不明顯,可能出現(xiàn)平滑過(guò)度或者增強(qiáng)過(guò)度的效果。2)本文研究基于朗伯反射模型的增強(qiáng)圖像的相關(guān)算法,通過(guò)實(shí)驗(yàn)驗(yàn)證算法的有效性,分析可知:利用多尺度Retinex算法處理時(shí),圖像會(huì)產(chǎn)生“光暈”現(xiàn)象。分析單尺度自商圖像方法和多尺度自商圖像方法削弱光照影響的原理以及各自優(yōu)點(diǎn)。3)本文提出了基于標(biāo)準(zhǔn)差和均值的直方圖均衡化與對(duì)數(shù)變換自適應(yīng)融合的方法,為了解決均衡化和對(duì)數(shù)變化等傳統(tǒng)算法的缺陷,本文... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉識(shí)別的流程圖

廣東工業(yè)大學(xué)碩士學(xué)位論文2.2.2 局部二值模式傳統(tǒng)的局部二值模式（Local Binary Pattern，LBP）算子是對(duì)局部紋理特征描述的算子，它不受圖像的灰度和位置影響。傳統(tǒng)的 LBP 算子一般被定義成 3 3大小的窗口，比較其中心像素值與相鄰的八鄰域像素值，如果中心像素值較大，那么該像素位置被標(biāo)為 0，否則標(biāo)為 1。通過(guò)這種方式，經(jīng)轉(zhuǎn)換， 3 3正方形窗口內(nèi) 8 鄰域點(diǎn)可變成 8 位二進(jìn)制數(shù)。最后能夠產(chǎn)生 256 種 LBP 碼，經(jīng)過(guò)計(jì)算之后求得窗口中心LBP 碼值，該值就能夠反映出該區(qū)域紋理特征。

第二章 光照預(yù)處理的理論介紹將會(huì)使用應(yīng)用非常廣泛的 SVM 算法來(lái)對(duì)人臉進(jìn)行分類識(shí)本特征空間中找出間隔最大的超平面對(duì)數(shù)據(jù)進(jìn)行分類。S依據(jù)和嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)推導(dǎo)，具有高分類準(zhǔn)確率、高泛化能力于 SVM 算法分類的實(shí)現(xiàn)是依靠特征空間中的最大間隔超在很大程度上是能夠得到分類器的全局最優(yōu)解。支持向示：

【參考文獻(xiàn)】：
期刊論文
[1]光照不均勻的結(jié)構(gòu)光圖像的條紋快速提取方法[J]. 鄭紅波,石豪,杜軼誠(chéng),張美玉,秦緒佳.  計(jì)算機(jī)科學(xué). 2019(05)
[2]基于生物特征識(shí)別的身份認(rèn)證及相關(guān)安全問(wèn)題研究[J]. 周小軍,王凌強(qiáng),郭玉霞,高皚瓊,譚薇.  工業(yè)儀表與自動(dòng)化裝置. 2018(04)
[3]模糊視頻圖像的小波閾值去噪算法研究[J]. 鮑金.  微電子學(xué)與計(jì)算機(jī). 2018(08)
[4]生物識(shí)別技術(shù)在支付領(lǐng)域應(yīng)用現(xiàn)狀及問(wèn)題研究——基于浙江省應(yīng)用情況的調(diào)查[J]. 姚可.  浙江金融. 2018(06)
[5]4種成功攻擊生物特征識(shí)別的手段[J]. 馬文剛.  計(jì)算機(jī)與網(wǎng)絡(luò). 2018(06)
[6]基于多尺度Retinex的缺陷圖像增強(qiáng)算法[J]. 孫斌,卜雄洙,王正成,高敏杰.  無(wú)損檢測(cè). 2017(06)
[7]基于高階消失矩的二進(jìn)小波濾波器的構(gòu)造方法研究[J]. 張小燕,吐?tīng)柡榻ぐ⒉级伎肆δ?  新疆師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[8]人臉識(shí)別技術(shù)綜述[J]. 左騰.  軟件導(dǎo)刊. 2017(02)
[9]基于朗伯反射模型的光照估計(jì)及魯棒人臉識(shí)別[J]. 韓袁琛,程勇.  電視技術(shù). 2017(01)
[10]基于Haar特性的改進(jìn)HOG的人臉特征提取算法[J]. 蔣政,程春玲.  計(jì)算機(jī)科學(xué). 2017(01)

博士論文
[1]基于稀疏表示和非負(fù)矩陣分解的部分遮擋人臉識(shí)別研究[D]. 歐衛(wèi)華.華中科技大學(xué) 2014
[2]基于視覺(jué)系統(tǒng)和特征提取的圖像質(zhì)量客觀評(píng)價(jià)方法及應(yīng)用研究[D]. 劉明娜.上海交通大學(xué) 2010

碩士論文
[1]基于小波變換圖像去噪及邊緣檢測(cè)研究[D]. 胡志峰.東華理工大學(xué) 2018
[2]光照變化情況下人臉識(shí)別方法研究[D]. 朱晶晶.蘭州理工大學(xué) 2018
[3]基于稀疏表示的Retinex圖像增強(qiáng)算法研究[D]. 郭曉南.哈爾濱工程大學(xué) 2016
[4]基于低秩與特征臉的稀疏表示人臉識(shí)別研究[D]. 侯義福.安徽大學(xué) 2015
[5]基于面部基準(zhǔn)點(diǎn)對(duì)齊的人臉識(shí)別方法研究[D]. 蔡超.華中科技大學(xué) 2013
[6]基于多特征融合的人臉識(shí)別算法研究[D]. 馬光凱.哈爾濱工業(yè)大學(xué) 2012
[7]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009
[8]基于中值濾波和小波變換的改進(jìn)型圖像去噪研究[D]. 王立.北京郵電大學(xué) 2009



本文編號(hào)：3146198