光照变化是人脸识别技术中的一大难题,严重影响了系统的识别性能。为了解决这一问题,本文提出了一种改进的基于Gabor特征的自商图算法。该算法旨在提取光照不变的特征,以提高人脸识别的准确性和鲁棒性。
文章介绍了Gabor滤波器在人脸识别中的作用。Gabor滤波器是一种能同时考虑图像的空间和频率信息的滤波器,对于人脸图像的细节捕捉非常有效。在改进的算法中,采用了加权Gabor滤波器对人脸图像进行预处理,通过调整权重参数,使得滤波器更能适应不同的光照条件,从而提取出更稳定、更具区分性的Gabor特征。
接着,文章引入了自商图的概念。自商图算法是一种用于提取光照不变特征的方法,通过计算图像与其在不同光照下的自相关图的比值来去除光照影响。在此基础上,作者提出了改进的自商图算法,它能够更有效地去除光照变化对特征的影响,保留面部结构的关键信息。
为了进一步增强光照不变性,论文中提到了使用直方图截断技术对自商图像进行归一化。直方图截断可以调整图像的对比度,使得不同光照条件下的人脸图像特征分布更加集中,从而提高后续识别过程的准确性。
实验部分,研究者在两个常用的人脸数据库——Extended Yale B和CMU PIE上进行了实验。通过基于皮尔逊相关系数的最近邻分类器,比较了改进的Gabor自商图算法与其他传统算法的识别性能。结果显示,改进的算法在人脸识别率上有显著提升,证明了其在应对光照变化方面的优越性。
这篇论文提出的改进型Gabor自商图算法为解决光照变化带来的识别问题提供了一个有效途径。通过结合加权Gabor滤波器、自商图和直方图截断等技术,该算法能够提取出光照不变的特征,增强了人脸识别系统的鲁棒性,对于实际应用具有重要的参考价值。在未来的研究中,可以继续探索如何进一步优化这些技术,以适应更多复杂环境下的人脸识别需求。