CN107358178A - 一种基于Roberts算子的人脸光照不变特征提取方法 - Google Patents
一种基于Roberts算子的人脸光照不变特征提取方法 Download PDFInfo
- Publication number
- CN107358178A CN107358178A CN201710500148.5A CN201710500148A CN107358178A CN 107358178 A CN107358178 A CN 107358178A CN 201710500148 A CN201710500148 A CN 201710500148A CN 107358178 A CN107358178 A CN 107358178A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- pixel
- facial image
- human face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于Roberts算子的人脸光照不变特征提取方法,包括以下步骤:利用Roberts算子对人脸图像锐化处理,提取人脸的细节特征;与原图像对应像素进行除法运算,消除人脸光照分量,所得结果就是需要提取的人脸光照不变特征。本发明对不同角度的光照具有一定的抑制作用,处理后人脸图像的识别率较现有的方法处理后的人脸识别率高;本发明采用Roberts算子和除法运算对人脸图像做光照处理,方法简单,识别速度快。
Description
技术领域
本发明涉及模式识别技术领域,具体的说是一种基于Roberts算子的人脸光照不变特征提取方法。
背景技术
随着社会飞速发展,各行各业都需要有效的身份人鉴别系统来保障安全,保证社会经济持续高效地发展。在大数据时代,身份认证方式越来越多,比如基于口令、智能卡、密码、生物特征等识别方式。其中生物特征识别方式又可分为指纹、声纹、虹膜、视网膜、人脸特征等几种具体的识别方式,在这些方式中,最直接友好型的当属人脸识别技术。人脸信息有着不可复制、不可盗取、简便直观等优点,是大数据时代各商业银行应储备和发掘价值的重要战略资源。而随着技术变革和应用的普及,建设大规模、分布式人脸数据库及识别系统的成本不断降低,识别的精度不断提高。可以预见,人脸识别技术在商业银行领域的潜在价值将被不断发掘提升,在保障服务安全性、节约客户时间、提升客户体验、整合与挖掘数据资源等方面具备广泛的应用前景。纵使人脸识别技术众多优势并存,但仍然存在许多影响识别性能的因素,如姿态、年龄、光照等。其中,光照环境的不确定性和复杂多变性对人脸识别性能产生的影响最为严重。
解决人脸识别中光照问题的方法主要分为三类:提取光照不变特征、光照变化的建模、光照条件标准化。在提取光照不变特征的方法中,又主要分为两种:第一种是在对数域,通过低通滤波消除光照分量,例如:在对数域中,利用离散余弦变换(DCT)或小波变换进行滤波处理等方法。第二种是构造除法运算,通过除法运算来消除慢变化的光照分量,例如:梯度脸(Gradient-face)、韦伯脸(Weber-face)、局部二值模式(Local BinaryPattern,LBP)等方法。因此,如何高效地提取光照不变特征,开拓新的思路,挖掘新的方法,成为了人脸识别的基本问题之一。
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种基于Roberts算子的人脸光照不变特征提取方法。
本发明为实现上述目的所采用的技术方案是:一种基于Roberts算子的人脸光照不变特征提取方法,包括以下步骤:
利用Roberts算子对人脸图像锐化处理,提取人脸的细节特征;
将所述具有人脸细节特征的图像与原图像对应像素进行除法运算,消除人脸光照部分,得到人脸光照不变特征。
所述利用Roberts算子对人脸图像锐化处理,具体为:运用Roberts算子两个2×2模板和得到锐化后的人脸图像I'。
所述锐化后的人脸图像I'在像素点(x,y)的灰度值为:
I'(x,y)=|I(x+1,y+1)-I(x,y)|+|I(x+1,y)-I(x,y+1)| (1)
其中,I(x+1,y+1)为人脸图像在像素点(x+1,y+1)的灰度值,I(x,y)为人脸图像在像素点(x,y)的灰度值,I(x+1,y)为人脸图像在像素点(x+1,y)的灰度值,I(x,y+1)为人脸图像在像素点(x,y+1)的灰度值。
所述提取人脸的细节特征后,锐化后的人脸图像I'在像素点(x,y)的灰度值表示为:
I'0,0=|R1,1L1,1-R0,0L0,0|+|R1,0L1,0-R0,1L0,1| (3)
其中,I'0,0=I'(x,y),为锐化后的人脸图像I'在像素点(x,y)的灰度值;R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,L1,1=L(x+1,y+1)为人脸图像在像素点(x+1,y+1)的光照分量;R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,L0,0=L(x,y)为人脸图像在像素点(x,y)的光照分量;R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,L1,0=L(x+1,y)为人脸图像在像素点(x+1,y)的光照分量;R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量,L0,1=L(x,y+1)为人脸图像在像素点(x,y+1)的光照分量。
所述将所述人脸细节特征的图像与原图像对应像素进行除法运算,具体为:
其中,I'0,0=I'(x,y)为锐化后的人脸图像I'在像素点(x,y)的灰度值,I0,0=I(x,y)为人脸图像I在像素点(x,y)的灰度值,R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量;L1,1=L(x+1,y+1)为人脸图像在像素点(x+1,y+1)的光照分量,L0,0=L(x,y)为人脸图像在像素点(x,y)的光照分量,L1,0=L(x+1,y)为人脸图像在像素点(x+1,y)的光照分量,L0,1=L(x,y+1)为人脸图像在像素点(x,y+1)的光照分量。
所述消除人脸光照部分为:将局部近似不变的人脸图像的光照分量L(x,y)通过除法运算来消除。
所述人脸光照不变特征为:
其中,I'0,0=I'(x,y)为锐化后的人脸图像I'在像素点(x,y)的灰度值,I0,0=I(x,y)为人脸图像I在像素点(x,y)的灰度值,R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量。
本发明具有以下优点及有益效果:
1.本发明对不同角度的光照具有一定的抑制作用,处理后人脸图像的识别率较现有的方法处理后的人脸识别率高。
2.本发明采用Roberts算子和除法运算对人脸图像做光照处理,方法简单,识别速度快。
附图说明
图1为本发明提取人脸光照不变特征的基本流程图。
图2为本发明中以(x,y)为中心的八邻域灰度值矩阵及其对应的简化表达示意图。
图3为提取CMU PIE人脸数据库光照不变特征前后的人脸示例图。
图4为提取扩展Yale B正面人脸库光照不变特征前后的人脸示例图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1所示,一种基于Roberts算子的人脸光照不变特征提取方法,包括以下步骤:
(1)利用Roberts算子对人脸图像锐化处理,提取人脸的细节特征;
(2)将所述具有人脸细节特征的图像与原图像对应像素进行除法运算,消除人脸光照部分,得到人脸光照不变特征。
根据光照反射模型,任意灰度人脸图像I(x,y)可以看成是反射分量R(x,y)和光照分量L(x,y)的乘积,即I(x,y)=R(x,y)L(x,y);所述步骤(1)中,锐化处理时,运用了Roberts算子两个2×2模板和得到锐化后的人脸图像I'。
所述步骤(2)中除法运算为R(x,y)代表人脸的关键信息,而L(x,y)是慢变化的,在局部是近似不变的,所以通过除法运算来近似消除该分量。
具体来说,所述基于Roberts算子的人脸光照不变特征提取方法,具体步骤如下:
以原图像某一像素点(x,y)为中心的8邻域如图2(a)所示,为简化表述,中心像素点(x,y)处的灰度值I(x,y)表述为I0,0,如图2(b)所示,其邻域点的灰度值I(x+m,y+n)表述为Im,n。
根据光照反射模型,任意灰度人脸图像I(x,y)可以看成是反射分量R(x,y)和光照分量L(x,y)的乘积,即I(x,y)=R(x,y)L(x,y),其中L(x,y)取决于光源且只代表面部光照的分量,R(x,y)取决于物体的表面特征并包含了面部的关键信息,在本发明中R(x+m,y+n)L(x+m,y+n)可表述为Rm,nLm,n。
Roberts算子可以对图像进行锐化处理,加强图像的细节边缘和轮廓特征。Roberts微分算子的模板为两个2×2模板是和
本发明在下面的推导过程中,以Roberts算子两个模板和对图像处理后,得到锐化后的人脸图像I'。具体的原理推导过程如下:
设以Roberts算子D1和D2矩阵模板进行锐化处理后的人脸图像I'某像素中心像素点(x,y)的灰度值为I'(x,y),如公式(1)所示:
I'(x,y)=|I(x+1,y+1)-I(x,y)|+|I(x+1,y)-I(x,y+1)| (1)
为了表述方便,I(x+m,y+n)简记为Im,n,同理,R(x+m,y+n)简记为Rm,n,L(x+m,y+n)简记为Lm,n,则公式(1)简记为公式(2),如下所示:
I'0,0=|I1,1-I0,0|+|I1,0-I0,1| (2)
根据光照反射模型可以进一步得到公式(3):
I'0,0=|R1,1L1,1-R0,0L0,0|+|R1,0L1,0-R0,1L0,1| (3)
对已经锐化处理的人脸图像I',可以直接除以原图像(即)来消除近似慢变化的光照分量。具体的公式推导过程如下:
因为光照分量L(x,y)变化缓慢,在局部近似相等,所以有公式(5):
L0,0≈L1,1≈L1,0≈L0,1 (5)
对于公式(5)的所有变量均可用Lt替代,并代入公式(4),因此得到公式(6):
由公式(6)可知已消除了光照分量。
本发明在CMU PIE和扩展Yale B人脸库中进行实验:
1、实验人脸库介绍:CMU PIE人脸数据库共有68个人的41368张人脸图像,本发明选择的是在正面人脸光照组(C27)中进行实验,C27光照组共包含1428个人脸样本。实验时,使用的人脸尺寸为64×64,选择第一张人脸图像,即无光照影响的正面人脸图像作为训练样本,其余人脸图像作为测试样本。
扩展Yale B人脸库共包含38个人的9种不同姿态,每种姿态又包含64种不同的光照情况。本发明只在扩展Yale B正面人脸库(共2432张人脸)中进行实验,所有人脸图像按照入射光照的角度θ可分为5个子集:子集1(θ<12°)有266个样本、子集2(13°<θ<25°)有456个样本、子集3(26°<θ<50°)有456个样本、子集4(51°<θ<77°)有532个样本、子集5(θ>77°)有722个样本。实验时,使用的人脸尺寸为96×84,用子集1作为训练样本,其余子集作为测试样本。
2、实验结果:
实验1,将提取的人脸光照不变特征与原图像进行了对比,发现经本发明方法处理后的人脸图像特征更为明显,有效地克服了光照对人脸特征的影响。在CMU PIE正面人脸库和扩展Yale B正面人脸库中提取光照不变特征前后的人脸示例分别如图3、图4所示。
实验2,本发明方法将提取的人脸光照不变特征,计算反正切变换将取值范围压缩到(-π/2,π/2),采用L1范数测量距离后,利用最近邻分类器分类判别。在CMU PIE人脸库上的正确识别率是95.66%,在扩展Yale B人脸库的人脸正确识别率是98.43%,对人脸不变特征提取有较好的鲁棒性。
本发明对不同角度的光照具有一定的抑制作用,方法简单、计算速度快,处理后人脸图像的识别率较现有的方法处理后的人脸识别率高。
上面对本专利的较佳实施方式作了详细说明,但是本专利并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本专利宗旨的前提下做出各种变化。
Claims (7)
1.一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,包括以下步骤:
利用Roberts算子对人脸图像锐化处理,提取人脸的细节特征;
将所述人脸细节特征的图像与原图像对应像素进行除法运算,消除人脸光照部分,得到人脸光照不变特征。
2.根据权利要求1所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述利用Roberts算子对人脸图像锐化处理,具体为:运用Roberts算子两个2×2模板和得到锐化后的人脸图像I'。
3.根据权利要求2所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述锐化后的人脸图像I'在像素点(x,y)的灰度值为:
I'(x,y)=|I(x+1,y+1)-I(x,y)|+|I(x+1,y)-I(x,y+1)| (1)
其中,I(x+1,y+1)为人脸图像在像素点(x+1,y+1)的灰度值,I(x,y)为人脸图像在像素点(x,y)的灰度值,I(x+1,y)为人脸图像在像素点(x+1,y)的灰度值,I(x,y+1)为人脸图像在像素点(x,y+1)的灰度值。
4.根据权利要求1所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述提取人脸的细节特征后,锐化后的人脸图像I'在像素点(x,y)的灰度值表示为:
I'0,0=|R1,1L1,1-R0,0L0,0|+|R1,0L1,0-R0,1L0,1| (3)
其中,I'0,0=I'(x,y),为锐化后的人脸图像I'在像素点(x,y)的灰度值;R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,L1,1=L(x+1,y+1)为人脸图像在像素点(x+1,y+1)的光照分量;R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,L0,0=L(x,y)为人脸图像在像素点(x,y)的光照分量;R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,L1,0=L(x+1,y)为人脸图像在像素点(x+1,y)的光照分量;R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量,L0,1=L(x,y+1)为人脸图像在像素点(x,y+1)的光照分量。
5.根据权利要求1所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述将所述人脸的细节特征与原图像对应像素进行除法运算,具体为:
<mrow>
<mfrac>
<mrow>
<msub>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mrow>
<msub>
<mi>I</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,I'0,0=I'(x,y)为锐化后的人脸图像I'在像素点(x,y)的灰度值,I0,0=I(x,y)为人脸图像I在像素点(x,y)的灰度值,R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量;L1,1=L(x+1,y+1)为人脸图像在像素点(x+1,y+1)的光照分量,L0,0=L(x,y)为人脸图像在像素点(x,y)的光照分量,L1,0=L(x+1,y)为人脸图像在像素点(x+1,y)的光照分量,L0,1=L(x,y+1)为人脸图像在像素点(x,y+1)的光照分量。
6.根据权利要求1所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述消除人脸光照部分为:将局部近似不变的人脸图像的光照分量L(x,y)通过除法运算来消除。
7.根据权利要求1所述的一种基于Roberts算子的人脸光照不变特征提取方法,其特征在于,所述人脸光照不变特征为:
<mrow>
<mfrac>
<mrow>
<msub>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mrow>
<msub>
<mi>I</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<msub>
<mi>R</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,I'0,0=I'(x,y)为锐化后的人脸图像I'在像素点(x,y)的灰度值,I0,0=I(x,y)为人脸图像I在像素点(x,y)的灰度值,R1,1=R(x+1,y+1)为人脸图像在像素点(x+1,y+1)的反射分量,R0,0=R(x,y)为人脸图像在像素点(x,y)的反射分量,R1,0=R(x+1,y)为人脸图像在像素点(x+1,y)的反射分量,R0,1=R(x,y+1)为人脸图像在像素点(x,y+1)的反射分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710500148.5A CN107358178A (zh) | 2017-06-27 | 2017-06-27 | 一种基于Roberts算子的人脸光照不变特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710500148.5A CN107358178A (zh) | 2017-06-27 | 2017-06-27 | 一种基于Roberts算子的人脸光照不变特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358178A true CN107358178A (zh) | 2017-11-17 |
Family
ID=60274128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710500148.5A Pending CN107358178A (zh) | 2017-06-27 | 2017-06-27 | 一种基于Roberts算子的人脸光照不变特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358178A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620667A (zh) * | 2008-07-03 | 2010-01-06 | 深圳市康贝尔智能技术有限公司 | 一种消除人脸图像光照不均的处理方法 |
CN101957912A (zh) * | 2010-10-21 | 2011-01-26 | 重庆大学 | 基于多尺度各向异性扩散的人脸光照不变图像的获取方法 |
CN105550646A (zh) * | 2015-12-08 | 2016-05-04 | 中山大学 | 基于对数梯度直方图的广义光照不变人脸特征描述方法 |
CN106845500A (zh) * | 2017-01-19 | 2017-06-13 | 重庆三峡学院 | 一种基于Sobel算子的人脸光照不变特征提取方法 |
-
2017
- 2017-06-27 CN CN201710500148.5A patent/CN107358178A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620667A (zh) * | 2008-07-03 | 2010-01-06 | 深圳市康贝尔智能技术有限公司 | 一种消除人脸图像光照不均的处理方法 |
CN101957912A (zh) * | 2010-10-21 | 2011-01-26 | 重庆大学 | 基于多尺度各向异性扩散的人脸光照不变图像的获取方法 |
CN105550646A (zh) * | 2015-12-08 | 2016-05-04 | 中山大学 | 基于对数梯度直方图的广义光照不变人脸特征描述方法 |
CN106845500A (zh) * | 2017-01-19 | 2017-06-13 | 重庆三峡学院 | 一种基于Sobel算子的人脸光照不变特征提取方法 |
Non-Patent Citations (1)
Title |
---|
赵荣椿 等: "《数字图像处理与分析》", 30 April 2013, 清华大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuruvilla et al. | A review on image processing and image segmentation | |
CN100514352C (zh) | 手指静脉认证系统的静脉特征提取方法 | |
CN102629316B (zh) | 自动指纹识别技术中的图像增强方法 | |
Alazawi et al. | Texture features extraction based on GLCM for face retrieval system | |
CN102254188B (zh) | 掌纹识别方法及装置 | |
CN103646199A (zh) | 一种基于九宫格密码和人脸图像的身份验证方法 | |
CN106778498A (zh) | 一种增强指纹图像识别的方法 | |
CN106529395A (zh) | 基于深度置信网络和k均值聚类的签名图像鉴定方法 | |
Impedovo et al. | A comparative study of shallow learning and deep transfer learning techniques for accurate fingerprints vitality detection | |
Ferrer et al. | Signature verification using local directional pattern (LDP) | |
Usha et al. | Significance of texture features in the segmentation of remotely sensed images | |
CN106845500A (zh) | 一种基于Sobel算子的人脸光照不变特征提取方法 | |
CN103473546A (zh) | 一种基于结构张量的指纹方向场获取方法 | |
CN109359607A (zh) | 一种基于纹理的掌纹掌脉融合识别方法 | |
CN107358178A (zh) | 一种基于Roberts算子的人脸光照不变特征提取方法 | |
CN107451591A (zh) | 一种利用Wallis算子的人脸光照不变特征提取方法 | |
CN106971143A (zh) | 一种利用对数变换和平滑滤波的人脸光照不变特征提取方法 | |
CN106934342A (zh) | 一种基于Kirsch算子的人脸光照不变特征提取方法 | |
Kumar et al. | Finger Print Image Enhancement Using FFT For Minutia Matching With Binarization | |
Pokhriyal et al. | MERIT: Minutiae Extraction using Rotation Invariant Thinning | |
CN106991369A (zh) | 一种基于平滑滤波的人脸光照不变特征提取方法 | |
CN106897672A (zh) | 一种利用对数变换和Priwitt算子的人脸光照不变特征提取方法 | |
Abdalla et al. | Digital Image Processing Technology based on MATLAB. | |
Karthic et al. | Feautre Extraction For Human Identifiction using Finger And Palm Images | |
CN107437061A (zh) | 一种利用对数变换和Roberts算子的人脸光照不变特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |