畢業(yè)論文：變化光照條件下人臉識別算法研究

1、畢業(yè)論文：變化光照條件下人臉識別算法研究本文是畢業(yè)論文，畢業(yè)論文，泛指?？飘厴I(yè)論文、本科畢業(yè)論文（學士學位畢業(yè)論文）、碩士研究生畢業(yè)論文（碩士學位論文）、博士研究生畢業(yè)論文（博士學位論文）等。（以上內(nèi)容來自百度百科）今天為大家推薦一篇畢業(yè)論文，供大家參考。第一章 緒論1.1 本課題研究背景和意義現(xiàn)代生活中，人們對個人隱私和信息安全的保密性要求越來越高，如何快速有效地進行身份驗證和識別成為人們?nèi)找骊P(guān)注和討論的焦點。在身份驗證識別方面，傳統(tǒng)的驗證識別方式包括賬號密碼，鑰匙，ID 卡等，這類身份驗證工具存在許多漏洞，一旦被遺忘或者被盜用和偽造，將帶來不必要的麻煩，甚至可能導致巨大的損失。當下，以指紋

2、識別、虹膜識別、聲紋識別、人臉識別等高科技識別手段為代表的生物特征識別技術(shù)悄然興起，生物特征識別利用每個人與眾不同的生理特征作為識別依據(jù)，具備更廣泛的唯一性和安全性1。人臉識別是一種非接觸的生物特征識別技術(shù)，它是通過攝像頭采集圖像，經(jīng)過人臉檢測和尺寸裁剪之后，與本地存儲的人臉圖像自動對比識別，從而做出判斷。人臉識別在眾多領(lǐng)域都有了廣泛的應用，如：在火車站使用人臉識別裝置可以自動將待檢查乘客的人臉信息和購票身份證件上的人臉信息進行識別對比，實現(xiàn)快速地檢票，提高火車站工作人員的工作效率。此外，在銀行的 ATM 取款機上使用人臉識別手段，可以自動識別前來存取款人的身份信息是否和銀行留存的信息一致，既

3、省去了用戶輸入密碼的繁瑣程序，更避免了不法分子盜取銀行卡密碼，確保了用戶的賬戶安全。人臉識別至今已有五十余年的歷史，經(jīng)過國內(nèi)外的專家學者們的不斷研究和發(fā)展，已經(jīng)積累了豐富的理論研究和實踐成果，目前也有越來越多的人臉識別產(chǎn)品被生產(chǎn)研發(fā)出來，人臉識別的研究推動了社會的發(fā)展和科技的進步。國內(nèi)對人臉識別研究十分重視，有許多的高校專門成立了專門研究人臉識別的圖像處理實驗室，此外，不少專注人臉識別產(chǎn)品的商業(yè)公司成立逐漸興起，比如商湯科技、曠視科技、云叢科技等高科技公司2，在 2015 年德國 CeBIT(漢諾威消費電子、信息及通信博覽會)，中國的螞蟻金服公司在博覽會上成功地演示了螞蟻金服的Smile to

4、 Pay掃臉技術(shù)3，該技術(shù)在最新的測試報告中準確率已達99.6%，再配合眼紋等多因子驗證，準確率為 99.99%，遠超肉眼識別 97%的準確率。.1.2 本課題研究現(xiàn)狀Adini 和 Jacobs 等8最早提出光照變化對人臉識別的影響，光照變化給人臉圖像帶來的影響主要表現(xiàn)在對人臉圖像整體灰度分布和人臉圖像邊緣信息帶來的影響。隨著光照問題引起越來越多的學者專家關(guān)注，越來越多的解決方法被提了出來。目前，人臉識別中解決光照問題的方法有以下幾類：光照歸一化方法8是通過圖像處理技術(shù)減少光照給圖像帶來的影響，光照補償中常用的方法有：對數(shù)變換9、直方圖均衡化10、伽馬校正10、同態(tài)濾波11等。對數(shù)變換根據(jù)對

5、數(shù)函數(shù)的特性對圖像的灰度進行調(diào)整，可以很好地改善圖像對比度等情況。直方圖均衡化是最常使用的一種光照補償方法，直方圖均衡化是在全局域范圍上，將原始圖像的直方圖分布情況變成均勻分布的狀態(tài)，以此來達到對比度增強的目的，直方圖均衡化對光照不均勻的情況并不能有明顯的改進，為此，文獻12提出了分塊直方圖均衡化的方法。伽馬校正是一種非線性的灰度調(diào)整方法，在人臉識別中常被采用的有伽馬強度校正和分段伽馬校正。同態(tài)濾波是一種依賴于同態(tài)濾波器（傳遞函數(shù)）的頻域處理方法，同態(tài)濾波器通過壓縮代表光照成分的低頻部分，擴展高頻部分來使圖像的亮度分布均勻，從而減弱光照影響。Shashua 等13在 2001 年研究了光模型下

6、的商圖像，但是訓練集和測試集的特征不能正確對齊匹配時，識別效果將明顯下降。光照錐15方法是也是對光照進行建模的一種，光照錐方法需要同一個人在所有可能光照情況下的人臉圖像，然后在低維子空間中構(gòu)建出模型。文獻14中提出了基于球諧函數(shù)的描述，該方法需要事先知道光源和大量的訓練集信息。模型的方法在實際應用中有許多局限性，并不適合現(xiàn)實系統(tǒng)。.第二章 光照歸一化算法驗證分析在實驗研究中，可以通過控制周圍光照條件來獲得特定光照條件下的人臉圖像，但是在實際應用中，周圍的環(huán)境光照是復雜多變的，采集到的人臉圖像很有可能會產(chǎn)生過亮或者過暗的區(qū)域，這樣的人臉圖像非常不利于識別。因此，對于變化光照條件下的圖像，需要在分

7、類識別之前消除光照的影響。光照歸一化算法是一類基于圖像處理的灰度變換方法，它是通過一系列灰度調(diào)整來改善圖像質(zhì)量，消除光照影響。常用的光照歸一化算法有伽馬校正、對數(shù)變換、直方圖均衡化、同態(tài)濾波等。2.1 伽馬校正本文圍繞變化光照條件下的人臉識別算法進行研究，首先是對人臉識別技術(shù)發(fā)展現(xiàn)狀和人臉識別中光照問題的研究現(xiàn)狀進行了介紹，其次分析了光照歸一化算法在不同光照條件下對人臉識別的影響，然后對 LBP 算子進行了詳細闡述，在此基礎(chǔ)上提出了基于局部歸一化和 LBP 特征的人臉識別算法，最后本文對基于朗伯光照模型的三種光照不變特征提取算法進行了驗證分析，并在朗伯光照模型的基礎(chǔ)上，提出了基于 Curvel

8、et 變換和 Retinex 理論的人臉識別方法。本文的創(chuàng)新性工作主要有以下兩點：（1）提出基于局部歸一化和 LBP 特征的人臉識別方法，該方法改善了 LBP算法在變化光照下對人臉特征表述能力不足的缺陷，改進的算法可以在多種光照條件下取得更高的人臉識別率。（2）提出了基于 Curvelet 變換和 Retinex 理論的人臉識別方法，該方法利用Curvelet 變換分離出圖像的低頻和高頻部分，然后分別使用雙邊濾波和閾值去噪方法估計低頻部分和高頻部分中的光照成分，利用 Curvelet 逆變換估計整個圖像的光照成分，最后根據(jù) Retinex 理論得出最終的光照不變特征。在 YaleB 人臉庫和C

9、MU-PIE 人臉庫上的實驗證明了該方法的有效性。.2.2 對數(shù)變換從圖 2-7 和 2-8 的直方圖分布可以看出，同一個人在不同光照條件下的直方圖分布的區(qū)別存在非常大的差異。在相同的正常光照條件下，選擇一個不同類的人臉樣本圖像，其直方圖分布如圖 2-9（b）所示，將其直方圖分布與圖 2-7 和圖 2-8中圖像的直方圖分布的對比，可以發(fā)現(xiàn)兩個不同的人臉圖像在相同光照條件下的差異要明顯小于同一個人在不同光照條件下的人臉圖像的差異。直方圖均衡化22就是把圖像的灰度直方圖從比較集中的灰度區(qū)間通過某種變換，將灰度值的分布變成在某個范圍內(nèi)的均勻分布，從而改善圖像的對比度，消除光照帶來的影響。.第三章 基

10、于局部歸一化和 LBP 特征的人臉識別算法. 183.1 基本 LBP 算子. 183.2 基本 LBP 算子發(fā)展和演化 . 203.2.1 等價 LBP 模式. 203.2.2 旋轉(zhuǎn)不變 LBP 模式. 223.2.3 基于分塊的 LBP 描述子. 243.3 基于局部歸一化和 LBP 特征的人臉識別算法. 253.4 基于局部歸一化和 LBP 特征的人臉識別算法分析. 303.5 本章小結(jié) . 34第四章 基于光照模型的光照不變特征提取算法驗證分析. 354.1 朗伯光照模型 . 354.2 多尺度 Retinex 算法（MSR） . 364.3 自商圖像算法（SQI）. 394.4 基于

11、小波變換的算法（WT）. 424.5 本章小結(jié) . 50第五章 基于 Curvelet 變換和 Retinex 理論的人臉識別算法. 525.1 Curvelet 變換理論及其實現(xiàn) . 525.2 基于 Curvelet 變換和 Retinex 理論的光照不變特征提取方法 . 575.3 算法對比分析 . 605.4 本章小結(jié) . 63第五章 基于 Curvelet 變換和 Retinex 理論的人臉識別算法在本文第四章介紹了 Retinex 理論，Retinex 理論的基本思想就是通過估計圖像的光照分量來間接地獲取光照不變量。Retinex 方法的常用步驟是將光照分量和反射分量的乘積形式通過

12、對數(shù)變換轉(zhuǎn)換成加法形式，然后在對數(shù)域中減去估計得到的光照分量，從而得到反射分量，即光照不變量。Retinex 理論的關(guān)鍵在于對光照分量的估計，由輻照度模型的分析可知光照分量主要包含在圖像的低頻部分，聶祥飛等39利用小波變換分離出圖像的低頻和高頻部分，舍棄了低頻部分，對高頻部分做閾值去噪處理來獲得光照不變特征。雖然圖像的低頻部分主要包含了圖像的光照成分，但是低頻部分仍然存在有利于分類識別的特征。上一章中提到的MSR 和多尺度 SQI 算法中，通過使用多組平滑濾波器加權(quán)的方式來改變圖像的平滑效果，從而更好地提取光照不變特征，但是此類方法沒有區(qū)別對待圖像中的高頻部分和低頻部分，導致圖像的細節(jié)沒有得到

13、很好的處理。本章提出了一種基于 Curvelet 變換和 Retinex 理論的光照不變特征提取方法。通過 Curvelet 變換40將圖像分解為低頻部分和高頻部分，對低頻系數(shù)進行雙邊濾波，估計出低頻成分中的光照信息，對高頻系數(shù)進行閾值去噪，將邊緣信息和圖像輪廓信息等高頻信息看作噪聲;濾除掉，從而估計得到高頻系數(shù)中的光照信息，最后通過 Curvelet 系數(shù)重構(gòu)估計出原始圖像的光照信息，再根據(jù) Retinex 理論方法得到光照不變特征。.總結(jié)人臉識別技術(shù)是一項日益成熟的身份識別技術(shù)，人臉識別具有非接觸性、唯一性和隱蔽性等優(yōu)勢，在諸多領(lǐng)域都有了實際應用。光照問題是目前人臉識別發(fā)展中亟需解決的重要

14、問題，本文圍繞光照預處理和光照不變特征提取方法進行了研究和實驗驗證分析，主要內(nèi)容如下：1. 對傳統(tǒng)的光照歸一化算法進行了詳細的闡述，分析了伽馬校正、對數(shù)變換、直方圖均衡化、同態(tài)濾波的算法原理，利用 YaleB 人臉庫上的人臉圖像對以上算法進行了光照處理的實驗，并利用 PCA 方法對處理后的圖像進行了人臉識別實驗。結(jié)果表明傳統(tǒng)的光照歸一化方法可以改善圖像質(zhì)量，在光照變化不大的圖像之間具有較好的識別率，但是在光照干擾強烈的圖像之間，識別效果并不理想。2. 對局部歸一化算法和 LBP 算子進行了詳細介紹，本文提出基于局部歸一化和 LBP 特征的人臉識別算法，該算法改善了 LBP 算法在光照變化條件下對人臉特征的表述能力。在 YaleB 和 CMU-PIE 人臉庫上的實驗表明，與傳統(tǒng)的 LBP 算法相比，本文方法具有更好的識別效果。3. 對光照不變特征提取算法進行了詳細的研究。現(xiàn)有的光照不變特征提取方法主要是建立在光照模型上，本文對朗伯光照模型進行了詳細描述，并研究了基于光照模型的多尺度 Retinex 算法、自商圖像算法和基于小波分解的算法。在 YaleB人臉數(shù)據(jù)庫上對以上光照不變提取算法進行了實驗驗證和分析。4. 對 Curvelet 變換的圖像多尺度分析特性進行了詳細的描述，在此基礎(chǔ)上剔除了一種基于 Curvelet 變換和 R