基于对数总变分的单样本光照变化下的人脸识别

摘要： 对数总变分（LTV）算法是经典的人脸识别光照干扰处理算法。现有基于LTV的先进技术假设光照成分主要存在于人脸图像的低频特征中，但这些技术采用不恰当的方法处理低频特征，导致最终识别率不理想。本文提出一种改进的LTV光照归一化方法——RETINA&TH-LTV算法：首先利用视网膜模型消除低频特征中的大部分光照成分，继而通过改进的对比度受限自适应直方图均衡技术去除残余光照；同时通过对高频特征进行阈值滤波实现面部特征增强；最后将处理后的频域特征融合为鲁棒的整体特征图像用于识别。该研究还考虑了人脸识别中训练图像不足的问题，在YALE B、CMU PIE及自建驾驶员数据库上进行了单样本人脸识别的对比实验，采用最近邻分类器和扩展稀疏表示分类器作为分类方法。结果表明RETINA&TH-LTV算法性能优异，尤其在强光照和训练样本不足条件下表现突出。