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
|
相似论文
- 2D人脸模板保护算法研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 基于数字图像处理的血管管径自动测量技术,R310
- 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
- 基于差分演化的人脸识别方法研究,TP391.41
- 压感式指纹识别系统及算法研究,TP391.41
- 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
- 基于神经树的人脸识别方法研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 基于视觉的驾驶员疲劳实时检测研究,TP391.41
- 基于模糊理论的静脉图像增强算法研究,TP391.41
- 基于MMTD的人脸识别方法研究,TP391.41
- 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
- CMOS图像传感器的噪声分析及图像处理,TP212
- 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
- 路面裂缝检测算法研究,TP274
- 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
- 基于人脸识别的图像美化系统设计与实现,TP391.41
- 基于特征融合的人脸识别算法研究,TP391.41
- 面向电力营销服务的客户身份自动识别系统设计,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|