毕业论文

打赏
当前位置: 毕业论文 > 计算机论文 >

Yale人脸图像光照归一化方法研究

时间:2018-12-23 21:09来源:毕业论文
关注人脸图像光照归一化的方法,重点研究了直方图均衡、高斯差分滤波、对数域离散余弦变换、梯度脸和光照预处理链等方法。最后,在Yale B、扩展的 Yale B和CMU PIE人脸数据集上验证了

摘要一直以来,人脸识别都是模式识别和计算机视觉领域的研究热点。作为一种重要的生物特征识别技术,在社会公共安全和日常生活中具有广泛的应用前景。目前,在可控环境下的人脸识别系统已达到了令人满意的性能。但是,在真实环境下影响人脸识别的因素是很难控制的,例如光照变化、姿态变化和遮挡等。本文主要关注人脸图像光照归一化的方法,重点研究了直方图均衡、高斯差分滤波、对数域离散余弦变换、梯度脸和光照预处理链等方法。最后,在Yale B、扩展的 Yale B和CMU PIE人脸数据集上验证了不同光照归一化方法对识别性能的影响。31895
关键词  人脸识别 光照预处理 归一化 图像处理
毕业论文设计说明书外文摘要
Title Research on the lighting normalization methods for facial image                                                                 
Abstract
Face Recognition has been one of the most active research topics in computer vision and pattern recognition. As an important biometrics technology, face recognition has and will have popular applications in the area of social public security and daily life. Now face recognition in completely controlled environment has achieved satisfying performance. However, in practice, many factors in face recognition are uncontrolled, e.g. variations in illumination, pose and occlusion. This dissertation mainly focuses on the lighting normalization methods for facial image. Some typical methods, including HE(Histogram Equalization), DOG(Difference of Gaussians), LDCT(Discrete Cosine Transform in Logarithm Domain), GRF(Gradientfaces) and TT(a chain of illumination preprocessing), are investigated.Finally, the different lighting normalization methods are evaluated on the Yale B, Extended Yale B and CMU PIE datasets.

源`自*六)维[论*文'网www.lwfree.cn


Keywords  face recognition    illumination preprocessing    normalization  image processing
目   次
1  绪论1
1.1  人脸识别的研究背景及研究意义1
1.2  人脸识别的研究现状及存在问题1
1.3  人脸识别中光照问题的研究现状2
1.4  常用的光照测试人脸数据库3
1.5  本文的研究内容和组织结构 3
2  几种光照归一化方法介绍5
2.1  方法综述5
2.2  直方图均衡化(HE)5
2.3  高斯差分滤波器(DOG)7
2.4  对数域余弦变换(LDCT) 8
2.5  梯度脸(GRF)11
2.6  光照预处理链(TT)13
2.7  本章小结15
3  实验与分析16
3.1  在Yale B人脸库的实验和结果分析16
3.2  在扩展的Yale B人脸库的实验和结果分析19
3.3  在CMU PIE的实验和结果分析20
3.4  总体结果分析22
结论  23
致谢24
参考文献25
1 绪论
1.1  人脸识别的研究背景及研究意义
生物特征识别是指利用人体固有的生理特征或者后天形成的行为特征进行身份识别或者认证,生理特征主要指人类个体与生俱来的包括人脸、指纹、人耳、掌纹、虹膜、视网膜、脱氧核糖核酸(DNA)等人体生理相关的特征[1]。这其中人脸相比于人类的其他生理特征,因其具有易采集、成本低、隐蔽性强、易被接受、不易被模仿等独特优势,而具有很强的实用性。人脸识别被认为是本世纪最具有广泛应用前景的身份认证方式之一[2]。
虽然人类具有识别人脸的天性,可以轻松识别出不同人的脸部特征,但机器对人脸的自动识别,则涉及到模式识别、人工智能、数字图像处理、计算机视觉、认知科学和神经网络等多个领域的研究课题。诸多问题综合起来的复杂性让自动人脸识别变成了一项极具挑战性的工作,光照就是其中一个最主要的挑战。因而,对于人脸识别的研究,不仅能促进本身学科进步,也能对模式识别、人工智能等其他领域学科起到积极的推动作用,具有非常重要的理论研究价值;同时,能促使人脸识别技术更加广泛地被应用于经济社会的各个领域,促进经济社会快速发展,具有重要的市场价值和社会意义。 Yale人脸图像光照归一化方法研究:http://www.lwfree.cn/jisuanjilunwen/20181223/28200.html
------分隔线----------------------------
推荐内容