基于二次多项式模型的人脸光照归一化

谢晓华; 赖剑煌; 郑伟诗

您当前的位置：

首页 >

文章列表页 >

基于二次多项式模型的人脸光照归一化

学术论文 | 更新时间：2025-07-16

- 基于二次多项式模型的人脸光照归一化
- Illumination Normalization of Human Face Based on the Second-Order Polynomial Model
- 电子学报 2010年38卷第8期页码：1791-1797
- 作者机构：
  
  1. 中山大学数学与计算科学学院,广东,广州,510275
  2. 中山大学信息科学与技术学院,广东,广州,510275
  3. 伦敦大学玛丽皇后学院计算机系,伦敦,英国
  4. 广东省信息安全技术重点实验室,广东,广州,510275
  5. 中山大学数学与计算科学学院广东广州,510275
  6. 中山大学信息科学与技术学院广东广州,510275
  7. 伦敦大学玛丽皇后学院计算机系英国伦敦
  8. 广东省信息安全技术重点实验室广东广州,510275
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.60675016,6033030);国家973重点基础研究发展规划 (No.2006CB303104);国家自然科学基金-广东省政府联合项目 (No.U0835005)
- DOI：
  中图分类号： TP391
- 纸质出版：2010
- 稿件说明：
移动端阅览
谢晓华, 赖剑煌, 郑伟诗. 基于二次多项式模型的人脸光照归一化[J]. 电子学报, 2010,38(8):1791-1797.

XIE Xiao-hua, LAI Jian-huang, ZHENG Wei-shi. Illumination Normalization of Human Face Based on the Second-Order Polynomial Model[J]. Acta Electronica Sinica, 2010, 38(8): 1791-1797.
谢晓华, 赖剑煌, 郑伟诗. 基于二次多项式模型的人脸光照归一化[J]. 电子学报, 2010,38(8):1791-1797. DOI：

XIE Xiao-hua, LAI Jian-huang, ZHENG Wei-shi. Illumination Normalization of Human Face Based on the Second-Order Polynomial Model[J]. Acta Electronica Sinica, 2010, 38(8): 1791-1797. DOI：

摘要

根据人脸光照变化非线性的特性

本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系

进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外

提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿

进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明

新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.

Abstract

We proposed to describe the relationship between the pixel grey values of the face images under frontal and non-frontal illumination conditions by using a second order polynomial model.Correspondingly

an illumination normalization method based on such nonlinear model was formed.The proposed method learns the illumination variations in a statistical manner by using regression model without any prior physical knowledge.Furthermore

in order to improve the visual quality

a PCA-based weighting compensation for the normalized face image was proposed.The experimental results on the Extended Yale B and CMU-PIE face databases show that the proposed method can attain good visualization for face images

and significantly improve the face recognition performance.

关键词

Keywords

references

浏览量

1487

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征融合的轻量级新残差人脸识别方法

基于多任务学习和身份约束的生成对抗网络人脸校正识别方法

一种核正交鉴别保局投影算法

基于矩阵模式的最小类内散度支持向量机

一种基于奇异值特征的神经网络人脸识别新途径