使用非下采样Contourlet变换从单个图像中提取照明不变的面部特征

不同的照明条件下的人脸识别是具有挑战性的,尤其是对于单个图像的基于识别系统。 精确的光照不变性是解决此问题的有效方法。 但是,现有的方法是很难同时抽取多尺度和多- 在同一时间,这对于captur 荷兰国际集团的面部图像的内在特性重要directiv 两者均几何结构。 在本文中,我们建议采用对数非抽样Contourlet变换(LNSCT)到estimatË 来自单张脸部图像的反射率分量,并将其称为用于脸部识别的照度不变特征,其中NSCT是完全位移不变,多尺度和多方向的变换。 低碳CT 可以使用对数域中的NSCT 从面部图像中提取强边缘,弱边缘和噪声。 我们分析了在对数域中,人脸图像的低通子带和强边缘的低频部分可以看作是照明效果,而 弱边缘和强边缘的高频部分可被认为是反射率分量。 此外,即使面部图像被噪声(特别是乘法噪声)污染,反射率分量仍然可以被很好地估计并且同时去除噪声。 由于既不需要关于照明条件的假设,也不需要有关3D形状的信息,因此可以灵活地应用LNSCT。