论文摘要
光照、姿态和表情是目前影响人脸识别精度的三大重要因素。特别是自然环境光的变化不能人为控制,它不可避免地对人脸识别中人脸检测、特征提取、动态跟踪甚至三维人脸建模等关键方面产生影响。本文以人脸识别中的光照问题为研究对象,在商图象理论基础上,根据点光源位置分布和人脸结构的对称性,提出了基于一半人脸图象的商图象计算方法。另外,按加光和去光思路给出了两种不同光照补偿策略,并分别在PCA特征子空间和小波变换空间上进行了实现。本文主要完成的工作概括如下: (1)分析了光照变化对人脸图象及人脸识别系统产生的影响,总结了目前典型的光照处理方法,较详细地探讨了各种方法的优缺点,并结合商图象合成理论存在的问题提出了具体的改进思路。 (2)提出了基于一半人脸图象的商图象计算方法,并构造了低维光照样本训练集。光照样本集的丰富程度直接影响对待识别图象的光照条件估计,为了更精确估计图象在极端条件下的光照情况,根据Lee等提出的用9种典型人脸光照条件来识别普通光照条件下人脸图象的思想,设计了9维光照样本训练集;在此基础上,结合点光源位置分布和人脸结构的对称性特点,提出了利用左半幅人脸图象来构造训练集的方法,使算法空间复杂度和时间复杂度都降低了将近一半。同时,利用主成份分析法(PCA)和小波变换做进一步的降维处理,构造了在PCA特征子空间和小波变换空间上的低维训练矩阵,并分别在其上实现了对商图象的计算。实验说明通过PCA和小波变换能有效减少人脸自身阴影的影响。 (3)给出了两种灰度图象光照补偿策略,并在此基础上实现了对彩色图象的光照补偿处理。加光和去光是对光照问题处理的两种基本思路,按加光的思想给出了9种不同光照条件图象合成的策略,按去除光照影响的思想给出标准光照样本图象重构的策略,并在PCA特征子空间和小波变换空间上对其进行了实现。另外,在灰度样本训练集上,对彩色图象的亮度分量进行相应的操作,实现了对彩色图象的光照补偿。实验数据说明经光照补偿后人脸图象的识别率比原图象的识别率提高了20%左右。