本文主要介绍了一种基于自商图像(SQI)和加权局部二值模式(Weighted Local Binary Patterns, W-LBP)的人脸识别方法,特别适用于不同光照环境。这种方法在提高识别率的同时,保持了较低的计算复杂度,具有较高的实用价值。
文章指出在人脸识别过程中,光照变化是影响识别性能的主要因素之一。为了克服这个问题,研究者提出了结合SQI和W-LBP的预处理步骤。SQI算法可以有效地去除人脸图像中的光照影响,因为它能够揭示图像的结构信息而不受光照变化的影响。而W-LBP则通过加权不同区域的局部二值模式来增强光照不变性,从而提供更稳定的人脸特征。
接着,文章进行了性能比较。与其他几种方法(如SQI、QIR、MQI、DMQI、DSFQI)对比,本文提出的算法在识别率上表现出色。特别是在不同光照条件下,识别性能优于未使用加权的方法。在训练和测试时间复杂度以及空间复杂度方面,尽管训练时间复杂度相对于某些方法略高,但测试时间复杂度显著降低,总体复杂度也有所下降。这表明,新方法在保持高效识别的同时,减少了计算资源的需求。
此外,通过实际数据库的测试,该算法验证了其在与其他几种算法(如文献[1-6]中提到的方法)相比,具有更好的识别效果。这些文献涉及了多维主成分分析、改进的线性判别分析、拉普拉斯边缘检测、标准光照图像的线性重构等不同的人脸识别技术。
总结来说,该研究提出了一种创新的人脸识别方法,它利用SQI进行预处理消除光照影响,并结合W-LBP提取特征,提高了在各种光照条件下的识别准确性和效率。这种方法不仅在理论上有其优越性,而且在实际应用中展现了良好的性能,为实际的人脸识别系统提供了有价值的参考。