基于FABEMD的变化光照下人脸识别方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (21): 1-4.

基于FABEMD的变化光照下人脸识别方法

陈恒鑫，唐远炎，房斌，张太平

重庆大学计算机学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-21 发布日期:2011-07-21

Face recognition method under varying illumination based on FABEMD

CHEN Hengxin，TANG Yuanyan，FANG Bin，ZHANG Taiping

College of Computer Science，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-21 Published:2011-07-21

摘要/Abstract

摘要： 在光照变化的环境下，人脸识别因受到光照强度和方向的非线性干扰而变得困难重重。在人脸局部区域，光照的变化比较缓慢，而皮肤对光照的反射率特征变化比较快，可以认为光照变化是低频信号，而人脸本质特征是高频信号。FABEMD是一种快速自适应的BEMD（Bidimensional Empirical Mode Decomposition，二维经验模式分解）方法，它能够将图像分解为不同尺度的高频图像和低频图像，高频图像代表了人脸皮肤细节纹理特征，而低频图像则代表了轮廓特征。但是并不能定量判别什么样的高频信号以及多少高频信号能够用来消除光照影响，所以提出了两种衡量高频细节信息量的方法，将这些信息量的相对值来推算融合不同尺度的高频信号权重系数。基于Yale B人脸数据库的实验数据证明了所提方法能够取得很好的识别效果。

关键词: 光照不变性, 快速自适应的二维经验模式分解（FABEMD）, 二维经验模式分解（BEMD）, 人脸识别

Abstract: With illumination varying condition，face feature gotten from image is distorted nonlinearly by variant lighting intensity and direction，so face recognition becomes very difficult.According to the “common assumption” that illumination varies slowly and the face intrinsic feature（including 3D surface and reflectance） varies rapidly in local area，high frequency feature represents the face intrinsic structure.FABEMD is a fast and adaptive method of BEMD，and not using time-consuming plane interpolation computation.It can decompose the image into multi-layer high frequency images representing detail feature and low frequency images representing analogy feature.But a quantitative analysis that how much detail feature can be used for eliminating illumination variation can’t be made.So two measurements are proposed to quantify the detail feature，and with these measurement weights，FABEMD based multi-layer detail images matching can be done for face recognition under vary illumination.With PCA，the experiment results based on Yale face database B and CMU PIE face database show the method can get remarkable performance.

Key words: illumination invariant, Fast Adaptive Bidimensional Empirical Mode Decomposition（FABEMD）, Bidimensional Empirical Mode Decomposition（BEMD）, face recognition

陈恒鑫，唐远炎，房斌，张太平. 基于FABEMD的变化光照下人脸识别方法[J]. 计算机工程与应用, 2011, 47(21): 1-4.

CHEN Hengxin，TANG Yuanyan，FANG Bin，ZHANG Taiping. Face recognition method under varying illumination based on FABEMD[J]. Computer Engineering and Applications, 2011, 47(21): 1-4.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.