CLAHE优化低频DCT系数重变换的鲁棒人脸识别

王轶冰，胡邦君

WANG Yibing1,HU Bangjun2

1.安徽大学 计算机教学部，合肥 236061

2.安徽省生物研究所，合肥 230088

1.Center of Computer Teaching,Anhui University,Hefei 236061,China

2.Institute for Biological Studies in Anhui Province,Hefei 230088,China

人脸识别是最为常用的生物特征自动识别技术之一[1]，具有方便、非接触式采集和采集成本低等优势，因此在人机交互、自动监控、身份识别等领域具有很大的发展潜力[2]。经过数十年的深入研究，人脸识别已经取得长足的发展，在约束环境下的正面人脸识别率已达到90%以上。但是，当人脸图像采集受外界条件影响（如光照、姿势、表情、遮挡）时，将大大降低识别性能[3]。因此，如何消除光照、姿势、表情等因素对人脸识别的影响，成为亟待解决的问题。

为了解决光照、表情、姿态变化引起的人脸识别率下降的问题，学者们提出了许多不同的人脸识别算法。例如，文献[4]提出使用无监督学习方法对每个人脸图像的微观结构进行编码。针对在剧烈光照变化情况下无法获得足够的特征描述信息的问题，基于梯度幅值自相似性，文献[5]提出了称为梯度边缘幅值模式（Pattern of Edge Gradient，POEM）的判别性特征描述符，取得了很好的识别效果，但是，一定程度上增加了计算开销。有的学者提出利用DCT变换，将特征脸方法与DCT变换或其他变换相结合。例如，文献[6]提出将特征脸与DCT变换和人眼视觉特性加以结合；文献[7]探讨了在不同DCT变换下的特征值与特征向量；文献[8]证明了PCA和LDA可被直接用于DCT变换域上；文献[9]表明，重新变换离散余弦变换（Discrete Cosine Transform，DCT）的低频系数在所有其他光度规范化技术中能得到的性能最佳。文献[10]结合了人脸镜像对称性和核主成分分析，提出了基于对称核主成分分析的人脸识别方法；……