光照不变人脸识别：基于改进Gabor自商图算法

"本文主要探讨了改进型Gabor自商图算法在人脸识别中的应用，针对光照变化对人脸识别系统性能的影响，提出了一种新的解决方案。文章首先介绍了人脸识别技术的重要性和广泛应用，尤其是在安全和支付领域的潜力。然而，光照条件、角度等因素会降低识别准确性，特别是光照条件被认为是影响人脸识别率的关键因素。 作者团队来自中国矿业大学信息与控制工程学院，他们提出了一种改进的基于Gabor特征的自商图算法。该算法通过使用改进的加权Gabor滤波器提取人脸图像的Gabor特征，以实现对光照变化的鲁棒性。接着，利用自商图的方法来获取光照不变的特征，进一步通过直方图截断等手段对自商图像进行归一化处理，以提高识别效果。 实验在Extended Yale B和CMUPIE两个知名人脸数据库上进行，采用了基于皮尔逊相关系数的最近邻分类方法。结果显示，与传统算法相比，改进的Gabor自商图算法能显著提高人脸识别的准确率，验证了其在应对复杂光照条件下的有效性。 关键词包括人脸识别、Gabor特征、自商图像、光照不变特征以及图像增强。论文分类号为TP391.41，文献标志码为A，并给出了DOI号以便后续引用。" 这篇研究深入探讨了如何利用改进的算法来克服光照条件对人脸识别的负面影响，对于理解人脸识别技术的进步以及在实际应用中如何提升性能具有重要意义。通过Gabor滤波器的优化和自商图的运用，该方法为解决光照问题提供了一个新的思路，有助于推动人脸识别技术在各种环境下的更广泛应用。