离散小波变换下SQI光照归一化面部识别：提升阴影环境下性能

本文主要探讨了一种结合离散小波变换（Discrete Wavelet Transform, DWT）和自比值图像（Self Quotient Image, SQI）的照度归一化人脸识别方法，针对面部识别中常见的光照不均匀问题进行改进。传统SQI作为一种基于视网膜反射原理的光照校正技术，在处理脸部强烈阴影和突然的亮度变化时可能会失效。作者Cheolkon Jung和Jianpeng Yin来自西安电子科技大学电子工程学院，他们提出了一种创新的策略，旨在利用DWT的优点来增强边缘处理，尤其是垂直、水平和对角线边缘。 首先，他们通过小波分析将人脸图像分解为四个子带，这有助于区分并突出图像中的边缘特征，同时抑制由于光照变化引起的噪声。这样做有助于在保留面部特征的同时，减少阴影的影响。接着，他们采用直方图截断技术进一步去除图像中过亮和过暗的区域，进一步提升光照归一化的精度。 最后，他们结合SQI理论，对经过小波处理和直方图截断后的图像进行光照校正。这种方法的优势在于，它能够在处理复杂光照条件下仍能保持较好的人脸识别性能。实验结果表明，与现有的基于视网膜反射理论的光照校正方法相比，他们的SQI-DWT方法在人脸识别准确率上表现更为优越，尤其是在面对强烈阴影和亮度突变的情况下，显示出了更高的鲁棒性和有效性。 这项研究不仅提升了人脸识别系统的稳健性，还展示了小波变换和自比值图像技术在光照校正领域的潜在应用价值，为实际的人脸识别系统设计提供了新的解决方案。在未来的研究中，这种结合不同图像处理技术的策略可能被推广到其他视觉应用场景，如视频监控或生物特征识别中。