改进单尺度Retinex的光照人脸识别

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (12): 151-154.

改进单尺度Retinex的光照人脸识别

陈薇1，赵方田2，陈侃3，张明敏2

1.浙江育英职业技术学院信息技术与应用系，杭州 310018
2.浙江大学计算机学院，杭州 310058
3.东软集团（上海）有限公司政府事业部，杭州 310012

出版日期:2013-06-14 发布日期:2013-06-14

Face recognition in change of illumination based on improved Retinex algorithm

CHEN Wei1, ZHAO Fangtian2, CHEN Kan3, ZHANG Mingmin2

1.Department of Information Technology and Application, Zhejiang Yuying College of Vocational Technology, Hangzhou 310018, China
2.College of Computer, Zhejiang University, Hangzhou 310058, China
3.Department of Government, Neusoft Corporation（Shanghai） Co., Ltd, Hangzhou 310012, China

Online:2013-06-14 Published:2013-06-14

摘要/Abstract

摘要： 经典Retinex算法假设场景中光照是平缓变化的，当光照变化比较强烈时，易产生“光晕”现象，为了提高光照条件变化下的人脸识别率，提出一种改进单尺度Retinex的光照人脸识别方法。采用双曲正切函数代替Retinex的对数函数对人脸图像进行亮度和对比度非线性增强；利用双边滤波代替Retinex的高斯滤波消除“光晕”，采用Retinex消除光照不利影响，采用K近邻算法建立人脸分类器。结果表明，改进Retinex降低了时间复杂度，图像增强效果优于同类算法，提高了人脸识别率，很好地解决了“光晕”问题，具有光照鲁棒性，可适用于光照变化较强条件下的人脸识别。

关键词: Retinex算法, 双边滤波, 光照预处理, 人脸识别

Abstract: The classic Retinex algorithms hypothesize that the illumination of scene changes small. When the light changes strong, it is easy to produce a “Halo” phenomenon. In order to improve the face recognition rate in the change of illumination, this paper proposes an improved Retinex algorithm for face recognition. The face image is enhanced by nonlinear global and local, and then bilateral filtering is used instead of Gauss filtering for Retinex algorithm, and Retinex algorithm is used to eliminate the influence of illumination. K near algorithm is used to build face classifier. The results show that the proposed algorithm can reduce time complexity, enhance the image effect compared with the similar algorithms, and improve the face recognition rate. It has solved the problem of “Halo” very well.

Key words: Retinex algorithm, bilateral filtering, illumination preprocessing, face recognition

陈薇1，赵方田2，陈侃3，张明敏2. 改进单尺度Retinex的光照人脸识别[J]. 计算机工程与应用, 2013, 49(12): 151-154.

CHEN Wei1, ZHAO Fangtian2, CHEN Kan3, ZHANG Mingmin2. Face recognition in change of illumination based on improved Retinex algorithm[J]. Computer Engineering and Applications, 2013, 49(12): 151-154.

[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]	万琴，朱晓林，陈国泉，肖岳平. 分层联合双边滤波的深度图修复算法研究[J]. 计算机工程与应用, 2021, 57(6): 184-190.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	李蒙蒙，邵良志，崔文超，孙水发. Fisher-Tippet分布拟合的超声图像联合双边滤波方法[J]. 计算机工程与应用, 2020, 56(9): 221-227.
[12]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[13]	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.
[14]	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.
[15]	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.