光照不变的改进Gabor自商图算法提升人脸识别性能

本文主要探讨了"改进型Gabor自商图算法及其在人脸识别中的应用"这一主题，它发表在《计算机工程与应用》杂志2020年第五期。人脸识别作为生物特征识别技术的重要分支，由于其非接触性、易采集和可靠性高，已经在公安刑侦、智能安防、门禁考勤和金融支付等领域展现出了广泛应用。然而，光照条件对人脸识别的准确性产生了显著影响，光照变化是影响系统性能的关键挑战之一。 作者针对这一问题提出了改进的Gabor特征自商图算法。传统的Gabor滤波器被改进为加权形式，以实现更平滑的特征提取。自商图像技术被用来提取光照不变特征，这种方法能帮助消除光照变化带来的影响。为了进一步增强光照归一化效果，文章采用了直方图截断等技术，使得人脸图像在不同光照条件下表现更为一致。 实验部分在Extended Yale B和CMUPIE人脸库上进行了验证，使用了基于皮尔逊相关系数的最近邻方法进行比较。结果显示，改进型Gabor自商图算法相较于传统算法，能够显著提高人脸识别率，这对于在实际应用中提升人脸识别系统的鲁棒性和准确性具有重要意义。 整个研究不仅关注理论上的算法优化，还注重实证分析，充分体现了在光照变化环境下提升人脸识别性能的实用性。该工作对于人脸识别技术的发展，特别是在复杂光照条件下的应用具有重要的推动作用，也为其他研究者提供了新的思路和参考方法。这项研究展示了Gabor特征和自商图算法在解决光照问题上展现出的强大潜力，为提高人脸识别技术的实用性和可靠性做出了积极贡献。