学位论文 > 优秀研究生学位论文题录展示

光照变化条件下的人脸检测与识别算法研究

作　者: 蒋晓悦
导　师: 赵荣椿
学　校: 西北工业大学
专　业: 计算机科学与技术
关键词: 人脸检测人脸识别光照变化图像增强光照子空间
分类号: TP391.41
类　型: 博士论文
年　份: 2006年
下　载: 1170次
引　用: 5次
阅　读: 论文下载

内容摘要

鲁棒的人脸检测、识别系统应当能够处理在各种不同条件下采集的人脸图像，其中的可变因素包括表情、光照、姿态、时间等。本文主要针对光照变化条件下的人脸检测、识别问题，从图像增强和建立光照子空间两个方面做了相关的研究，主要成果如下：针对利用球谐函数估计图像的光照状态，需要已知物体表面法向量的限制，本文基于平面模型推导出估计人脸图像的光照状态的线性方法，并且提出利用“逆图像”与原图像相互补偿的策略，实现了对人脸图像光照状态的调整。其中，补偿的权值可由图像本身的光照状态而确定。本文不但从理论上证明了线性光照估计的合理性，并且应用在人脸检测实验中也取得了较好的结果。根据反射理论，朗伯反射体的双方向反射函数可以看作是一个低通滤波器，使得其反射光线主要由低频信息组成。但由于人脸的非凸性或者光源的不连续性，人脸图像中往往还会包含一些高频信息，如：阴影边缘等。基于Winner滤波器的自适应性，本文给出利用Wiener滤波器从图像中提取信息作为对光照状态的估计的方法。由于Wiener滤波器在提取低频信息的同时，也保留了部分高频信息，使得对光照的估计更加准确。在调整图像的光照状态时，仍然采用了“逆图像”与原图像互补的策略。通过人脸检测实验，验证了该方法调整图像光照状态的有效性。根据环境中光照状态的变化，人的视觉系统会作自适应的调整，使得成像效果达到最佳。模拟人的视觉自适应调整机制，本文推导出一个光照全局调整函数，并提出利用图像本身的光照状态来确定调整函数参数的方法，实现了对图像光照状态自适应的调整。经过全局调整函数调整之后，曝光不足图像的对比度和灰度绝对值均有相应的提高；过度曝光图像的对比度也会有所提高，同时灰度绝对值有所下降。光照全局调整函数可以极大的改善图像质量，人脸检测实验验证了调整效果。针对光照全局调整函数中可能会忽略图像中局部细节信息的问题，本文利用局部信息与整体信息相结合的策略，给出了光照细节调整函数。对于函数中的参数，本文提出通过对图像质量的评价实现参数优化的方法，并以灰度熵作为评价的客观标准。光照细节调整函数中，每点的局部信息与图像的全局信息通过双线性差值结合在一起，共同决定了对该点的调整程度，有效补偿了全局调整函数对于较亮信息的细节抑制作用。经过细节函数调整之后，图像的局部细节丰富、整体亮度适中，图像中信息的可辨识度有所提高。利用光照细节调整函数作为人脸检测算子的预处理方法，可以有效的提高检测系统的检测率。鉴于9点光照子空间的基图像可以较容易的在真实物理环境中采集到，本文提出基于最大后验概率估计从单张图像恢复目标物体9点光照子空间的算法。与其它同类算法相比，本文提出算法的训练样本更容易获得，可操作性更强。而且利用目标物体任意光照状态下的单张图像都可恢复出该物体的9点光照子空间，具有一定的推广性。多个标准人脸数据库上的各种光照状态下的人脸识别实验，验证了该算法恢复出的9点光照子空间，可以很好的表达目标物体在不同光照条件下图像的变化。基于图像增强的各种光照处理算法(线性光照估计与补偿、基于Wiener滤波的光照估计与补偿、光照全局调整、光照细节调整)不需要先验知识，直接利用图像本身的光照状态作相应的调整。建立光照子空间的光照处理算法，虽然需要训练样本，但对光照变化描述的更加准确。实际应用中可根据不同的条件选择不同的算法。

全文目录

摘要  4-6
Abstract  6-8
目录  8-11
第一章绪论  11-26
  1.1 研究背景  11-12
  1.2 人脸检测的发展  12-19
    1.2.1 基于知识的方法  13-14
    1.2.2 基于特征的方法  14-15
    1.2.3 模板匹配  15-16
    1.2.4 基于图像的特征  16-19
  1.3 人脸识别的发展  19-24
    1.3.1 子空间分析  20-22
    1.3.2 弹性图匹配  22-23
    1.3.3 神经网络  23
    1.3.4 其他方法  23-24
  1.4 论文的结构  24-26
第二章光照作用  26-40
  2.1 光照模型  26-30
    2.1.1 漫反射  27
    2.1.2 镜面反射  27-29
    2.1.3 环境光反射  29
    2.1.4 光源的分类  29
    2.1.5 反射率  29-30
  2.2 光照处理方法综述  30-39
    2.2.1 增强图像  32-33
    2.2.2 光照不变性特征  33-38
    2.2.3 基于光照变化建模  38-39
  2.3 小结  39-40
第三章基于球谐函数的线性光照处理  40-74
  3.1 引言  40-41
  3.2 基于球谐函数的光照理论  41-51
    3.2.1 假设前提  41-42
    3.2.2 二维平面上的反射方程  42-44
    3.2.3 三维空间中的反射方程(函数)  44-46
    3.2.4 频率域分析  46-51
  3.3 线性光照估计与补偿  51-65
    3.3.1 朗伯体表面反射方程  52-55
    3.3.2 人脸图像的线性光照估计  55-59
    3.3.3 光照补偿  59-61
    3.3.4 线性光照估计与补偿实验  61-65
  3.4 基于低通滤波的光照估计与补偿  65-72
    3.4.1 低通滤波器  65-67
    3.4.2 光照调整和补偿  67-68
    3.4.3 人脸检测实验  68-72
  3.5 小结  72-74
第四章基于视觉感知的光照处理  74-104
  4.1 引言  74-75
  4.2 视觉系统的自适应调整  75-78
    4.2.1 瞳孔  75
    4.2.2 感光细胞  75-76
    4.2.3 视觉色素的漂白和再生  76
    4.2.4 视神经系统  76-77
    4.2.5 视觉调整的物理模型  77-78
  4.3 基于视觉感知的全局光照调整  78-89
    4.3.1 全局映射函数  78-82
    4.3.2 全局映射函数的参数选择  82-84
    4.3.3 实验  84-89
  4.4 结合局部信息的光照调整  89-102
    4.4.1 细节调整函数  90-93
    4.4.2 图像质量的评价  93-96
    4.4.3 参数的优化  96-98
    4.4.4 实验  98-102
  4.5 小结  102-104
第五章从单幅图像恢复人脸光照  104-149
  5.1 引言  104-106
  5.2 光照理论  106-113
    5.2.1 光照锥理论  106-110
    5.2.2 对光照锥的低维近似  110-113
  5.3 利用统计模型估计光照子空间  113-121
    5.3.1 建立统计模型  114-116
    5.3.2 应用统计模型  116-121
  5.4 实验结果  121-134
    5.4.1 恢复出的基图像结果  121-125
    5.4.2 人脸识别方法  125-132
    5.4.3 低维光照子空间  132-133
    5.4.4 多光源条件下的人脸识别  133-134
  5.5 小结  134-149
第六章总结与展望  149-153
  6.1 本文工作总结  149-152
  6.2 研究展望  152-153
参考文献  153-165
攻读博士学位期间发表论文  165-166
致谢  166-167
附录一 Legendre函数  167-169
附录二基于Gabor特征的人脸检测  169-181
  F2.1 提取Gabor特征  169-171
    F2.1.1 Gabor滤波器  169-170
    F2.1.2 Gabor特征  170-171
  F2.2 特征选择  171-178
    F2.2.1 AdaBoost的训练  172-173
    F2.2.2 层叠结构  173-175
    F2.2.3 链状结构  175-178
  F2.3 人脸检测器的训练  178-181
附录三文中所用人脸数据库  181-190
  F3.1 PIE人脸数据库  181-183
  F3.2 Yale人脸数据库B  183-185
  F3.3 AR人脸数据库  185-187
  F3.4 FERET人脸数据库  187-189
  F3.5 BioID人脸数据库  189-190

光照变化条件下的人脸检测与识别算法研究

内容摘要

全文目录

相似论文