一种基于小波的人脸图像光照归一化算法

doi:10.3778/j.issn.1002-8331.2010.06.051

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 174-177.DOI: 10.3778/j.issn.1002-8331.2010.06.051

• 图形、图像、模式识别 • 上一篇下一篇

一种基于小波的人脸图像光照归一化算法

范春年^1，2，王水平¹，张福炎²

1.南京信息工程大学计算机与软件学院，南京 210044
2.南京大学计算机科学与技术系，南京 210093

收稿日期:2008-08-27 修回日期:2008-11-12 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 范春年

Wavelet-based illumination normalization algorithm for face recognition

FAN Chun-nian^1，2，WANG Shui-ping¹，ZHANG Fu-yan²

1.Computer and Software Institute，Nanjing University of Information Science & Technology，Nanjing 210044，China
2.Department of Computer Science and Technology，Nanjing University，Nanjing 210093，China

Received:2008-08-27 Revised:2008-11-12 Online:2010-02-21 Published:2010-02-21
Contact: FAN Chun-nian

摘要/Abstract

摘要： 光照变化严重影响了人脸图像的外貌，这阻碍了人脸识别的过程。为了识别可变光照下的人脸图像，提出了一种基于小波的光照归一化算法，将一幅图像分解为低频成分和高频成分，对不同的频带成分进行不同的操作——对低频成分进行直方图均衡化，同时着重强调细节（高频成分），将它乘以一个标量从而增强图像边缘；对修改后的系数进行逆小波变换就得到归一化后的图像。最后，直接使用PCA方法对单训练样本条件下的人脸进行识别，在AR和FERRET人脸库上的实验结果表明，提出的方法可以显著提高人脸识别系统的识别率。

关键词: 人脸识别, 小波分析, 光照归一化

Abstract: The appearance of a face image is severely affected by illumination conditions that hinder the automatic face recognition process.To recognize faces under varying illuminations，a wavelet-based normalization method is proposed so as to normalize illuminations.An image is decomposed into its low frequency and high frequency components.Then different band coefficients are manipulated separately.Histogram equalization is applied to the approximation（low frequency） coefficients and at the same time accentuate the detail（high frequency） coefficients by multiplying by a scalar so as to enhance edges.A normalized image is obtained from the modified coefficients by inverse wavelet transform.Finally，PCA method is used to recognize normalized image with only one training sample.The experimental results obtained by testing on the AR face database and FERRET face database demonstrate the effectiveness of this method with significant improvement in the face recognition system.

Key words: face recognition, wavelet analysis, illumination normalization

中图分类号:

TP391

范春年^1，2，王水平¹，张福炎². 一种基于小波的人脸图像光照归一化算法[J]. 计算机工程与应用, 2010, 46(6): 174-177.

FAN Chun-nian^1，2，WANG Shui-ping¹，ZHANG Fu-yan². Wavelet-based illumination normalization algorithm for face recognition[J]. Computer Engineering and Applications, 2010, 46(6): 174-177.

[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.

一种基于小波的人脸图像光照归一化算法

Wavelet-based illumination normalization algorithm for face recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics