不同光照条件下人脸识别算法设计与实现.docx

摘要：自人脸识别技术进入人们生活以来，识别技术一直在发展，人脸识别指的是，以计算机为辅助手段，从静态或者动态图像中识别人脸，并与人脸数据库进行对比匹配。但是在研究探索的过程中，我们渐渐发现姿势问题、表情问题、光照问题都会成为人脸识别过程中不可避免的难题。在这其中，光照条件改变的情况，会对人脸成像的过程产生极大的影响，其影响程度甚至大于不同个体之间的差异。本文主要研究在不同光照条件下的人脸是被系统，在以光照鲁棒性的特征提取为前提的情况下，对人脸图像的预处理、特征识别等环节进行研究，主要目的就是提高人脸识别系统的识别率。以下的几点为本文的主要研究模块：

（1）不同光照预处理方法。第一部分的内容是对当前主流光照预处理方法的分析总结，主要研究的有直方图均衡化方法（HE）、自商图像法(SQI)、伽马强度校正方法(GIC)、对数变换方法(LT)、局部归一化法（LN）以及单尺度Retinex算法(SSR)。通过完整的实验测试方法，对比分析在不同的人脸数据库中采取相同的光照预处理方法会有怎样的性能差异以及在相同的人脸数据库中采取不同的光照预处理方法又会有怎样的性能差异，并且在光照预处理的实验过程中，分析人脸光照预处理的过程。

（2）特征提取方法。在对选取的两种人脸特征的提取方法有了一定理解的基础上，运用两种提取方法，在经过预处理后的人脸库中，选取同张图片进行处理对比，通过多次的测试，来选择特征提取后，图像特质值率提高的算法。在实验中，理解选取特征提取方法的原理，进一步拓展自己对于特征提取算法的知识区域。

（3）人脸识别系统的设计与实现。在图片处理全部完成后，将处理后的图片进行训练识别，在Matlab上实现基于PCA的人脸识别算法程序。通过主成分分析，降维取出所需主成分数目，去除那些不能为我们提供重要特征的信息分量。在多个个体训练完毕后，能够进行对预处理后的人脸库的正确识别，最终完成不同光照条件下的人脸识别系统。

关键词：人脸识别；光照预处理；特征提取

目录

摘要

Abstract

1 绪论-1

1.1 人脸识别技术研究现状-1

1.1.1研究背景和意义-1

1.1.2 国内外研究现状-2

1.2 课题研究意义和现状-3

1.3 主要工作和内容安排-5

1.3.1研究内容-5

1.3.2 结构安排-5

2 不同光照预处理方法-7

2.1 直方图均衡化方法-7

2.2 单尺度自商图像方法-8

2.3 SSR单尺度Retinex方法-9

2.4 伽马强度校正方法-10

2.5 局部归一化方法-11

2.6 对数变换方法-12

2.7 实验结果分析-12

2.7.1实验结果-13

2.7.2实验分析-18

2.8 本章小结-19

3自适应特征提取-20

3.1 HOG特征提取-20

3.1.1伽马校正-20

3.1.2梯度图像计算（包括大小和方向）-21

3.1.3梯度直方图构造-21

3.2 LBP特征提取-21

3.3 HOG特征提取的实验结果-22

3.4 LBP特征提取的实验结果-28

3.5 实验结果分析-32

4基于PCA的人脸识别算法系统-33

4.1主成分分析法原理和人脸识别-33

4.1.1 K-L变换-33

4.1.2主成分数目的选取-34

4.1.3人脸空间的建立-34

4.1.4人脸识别-34

4.2 实验结果和分析-35

5总结与展望-39

5.1 总结-39

5.2 展望-39

5.3 心得体会-39

参考文献-41

致谢-43