×

基于多尺度分析的变光照人脸识别融合框架。 (英语) Zbl 1247.68227号

摘要:可变光照是人脸识别的一个巨大挑战。由面部外观的不同照明引起的变化可能比由个人身份引起的变化大得多。图像中的高频信号分量代表了人脸的细节特征,由于该信号分量几乎不受光照变化的影响,可以作为人脸识别中的光照不变性特征。然而,高频信号分量的定义很模糊,不可能从人脸图像中准确分离出该分量。由于使用不同的分解方法和不同的分解参数,高频分量被分散在分解后的细节图像中,这些细节图像通过包含不同尺度的频率信号分量来表征其自身。本文提出了一种利用自适应权值融合多尺度细节图像中高频信号分量的框架。该框架是一个开放的结构,任何获取光照不变性特征的方法都可以应用于该框架。基于三个开放人脸数据库的实验表明,本文提出的框架可以获得显著的性能。

理学硕士:

68吨10 模式识别、语音识别
68单位10 图像处理的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 内政部:10.1145/954339.954342·doi:10.1145/954339.954342
[2] 内政部:10.1109/TPAMI.2007.1014·doi:10.1109/TPAMI.2007.1014
[3] Socolinsky D.,CVIU第91页,第72页–
[4] Bebis G.,图像视觉计算。第727页–
[5] Kong S.G.,CVIU第103页–
[6] Bowyer K.W.,CVIU第1页-
[7] DOI:10.1109/TPAMI.2005.70·doi:10.1109/TPAMI.2005.70
[8] Shashua,IJCV第99页–
[9] 内政部:10.1109/34.598228·doi:10.1109/34.598228
[10] DOI:10.1023/A:1008005721484·doi:10.1023/A:1008005721484
[11] 内政部:10.1109/TPAMI.2003.1177153·doi:10.1109/TPAMI.2003.1177153
[12] 内政部:10.1109/TPAMI.2007.25·doi:10.1109/TPAMI.2007.25
[13] 陈伟,IEEE Trans。SMC-B 36第458页–
[14] Gao Y.,IEEE翻译。PAMI第764页–
[15] 内政部:10.1109/34.908964·数字对象标识代码:10.1109/34.908964
[16] Jobson D.J.,IEEE传输。图像处理:颜色处理专刊第451页–
[17] 内政部:10.1109/83.597272·数字对象标识代码:10.1109/83.597272
[18] DOI:10.11142/S0219691311004183·Zbl 1220.42020年 ·doi:10.1142/S021969131004183
[19] DOI:10.1146/年流量31.1.417·doi:10.1146/anurev.fluid.31.1.417
[20] DOI:10.1016/S0262-8856(03)00094-5·doi:10.1016/S0262-8856(03)00094-5
[21] 数字对象标识码:10.1007/s00138-004-0170-5·文件编号:10.1007/s00138-004-0170-5
[22] 内政部:10.1142/S021969131004171·doi:10.1142/S021969131004171
[23] Bhuiyan S.M.A.,J.高级信号处理。
[24] DOI:10.1109/TPAMI.2006.195·doi:10.1109/TPAMI.2006.195
[25] 内政部:10.1109/34.927464·doi:10.1109/34.927464
[26] 内政部:10.1109/TIP.2009.2028255·Zbl 1371.94457号 ·doi:10.1109/TIP.2009.2028255
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。