人脸识别中的光照问题处理方法解读.docVIP

人脸识别中的光照问题研究 说明：针对可见光摄像头的人脸识别，总结了一些对于光照问题的预处理方法，所列举的处理方法基本上都给出了文献出处，没有进行展开介绍，仅仅列了一些图片处理效果来了解对应算法的作用。关于图像增强这块，以前搜集了一些代码，在附件中，主要包含各种直方图均衡化代码，以及基于Retinex增强，同态滤波增强等等，以及简单的白平衡操作。大概看了下面列举的算法，基于模型的算法相对比较复杂，图像标准话的两个算法相对简单些，提取光照不变特征应该鲁棒性会好一点；从视觉角度（可视性）来看的话，或许用图像增强算法还是有必要的。 大致从以下个方面来解决光照问题： 特征提取阶段：寻找光照不变量或者光照的不变表示，例如梯度特征，Gabor特征。 预处理阶段：利用各种图像增强处理方法去除各种光照影响。例如直方图均衡化，同态滤波，Retinex图像增强等等。 识别阶段：建立光照变化条件下的图像模型，研究光照变化子空间分布。如光照锥模型。或者改善机器学习分类方法。 基于3维人脸模型的方法。如基于人脸主动形状模型的方法[]。 简单的图像光照条件判据可以根据灰度均值判断，下面总结了部分这些方法的优缺点。之前对ATM库进行处理的时候发现直方图均衡化的效果要比白平衡的效果好一点。 优点 缺点 光照锥(Illumination Cone (IC)) [] 通过改变点光源方向，可以生成任意光源方向下的虚拟