人脸识别是指采用机器对人脸图像进行分析处理,从而提取出有效的识别信息,达到身份辨认的目的。人脸识别技术是目前模式识别研究领域中一个富有挑战性的课题,不仅具有重要的学术意义,而且在军事、商业和法律等诸多领域有着广泛的应用前景。迄今为止,已经提出了很多算法来处理人脸识别问题,其中基于代数特征的人脸识别方法是当前人脸识别方法的主流,并且了较好的实验效果。光照问题是人脸识别领域面临的主要难题之一,由于光照变化使得面部特征不再明显而具有分辨能力,这样造成了人脸的类内差异变大,甚至大于类间差异。同一个人在不同光照条件下得到的图像之间的差异,可能比不同人在同一光照条件下得到的图像之间的差异还要大。

由于光照作用, 可能使得人脸部分关键特征更加突出或由于阴影、遮挡等影响而被弱化,因此,光照作用的影响使得人脸的关键特征分别处于不同的灰度尺度空间中,而理想条件下的人脸图像其关键特征几乎处于相同的灰度尺度下。近年来,国内外提出了许多方法来处理此问题,这些方法可以大致分为以下三种思路:不变特征提取法、人脸建模法和光照补偿法。在光照补偿算法中,常使用的方法是:直方图均衡、 Gamma校正、对数变换等,但是这些方法过于简单,对识别率的提高仍然不够理想。锥方法、3D子空间模型等建模法用于处理光照问题时有一定的优势,然而其理论性很强,需要3D 模型来分析不同光照对人脸图像的影响,计算太复杂,实用性受到很大局限。

不变特征提取方法中,自商图像是对商图像方法的改进,但因其使用的高斯滤波器在低频部分不能保持边界等细节信息，由于小波的多尺度分析能力能够从受光照影响严重的图像低频部分提取细节信息(边缘、轮廓等),我们提出经对数尺度变换后的基于小波变换的光照条件下多尺度人脸轮廓提取的人脸识别方法。然后通过小波逆变换得到需要的信号。小波去噪模型是图像去噪应用中一个成功的模型,与其他方法相比,如维纳滤波,高斯滤波,基于小波的方法能够坚持图像细节部分,特别是,由于扔掉的小波系数是高频部分的细节信息,因而,本文提出的基于小波变换的多尺度人脸轮廓的提取方法,能够在图像低频光照部分坚持边界等细节信息,这对光照下人脸轮廓的提取具有重要的意义。中国粮油仪器网 http://www.grainyq.com/