基于同态滤波和基于相位匹配法的跨光谱交叉距离人脸识别,其识别率非常高


基于同态滤波和基于相位匹配法的跨光谱交叉距离人脸识别,其识别率非常高


文章图片


基于同态滤波和基于相位匹配法的跨光谱交叉距离人脸识别,其识别率非常高


文章图片


基于同态滤波和基于相位匹配法的跨光谱交叉距离人脸识别,其识别率非常高


文章图片


基于同态滤波和基于相位匹配方法的跨光谱交叉距离人脸识别 , 其识别率高于该领域最先进的方法 。 提出了一种更简单的跨光谱交叉距离人脸识别方法 , 它消除了选择合适的特征和距离测量所需的工作量 。 确认同态滤波是跨光谱交叉距离框架中对距离变化最鲁棒的滤波器 。 科学家说明了跨光谱和跨光谱交叉距离框架中的人脸识别方案跨光谱匹配是指匹配在不同光谱下捕获的两张人脸图像 , 以提供更准确的人脸描述 。

在跨光谱系统中 , 在近红外光谱波段下拍摄的人脸图像与在可见光光谱波段下拍摄的人脸图像进行匹配 。 在可见光光谱波段 , 不同种族的人的面部描述表现出不同的特征 。 相比之下 , 近红外光谱波段利用校准的红外传感器来克服不同的种族因素 , 如肤色和面部特征 。 由于这个原因 , 跨光谱匹配场景提供了更准确的面部识别 , 因为它们利用了不同波长的互补面部描述 。

互补的面部描述可以揭示在某个光谱中可能无法在另一个光谱中观察到的面部特征 。 跨光谱的主要关注点是消除两个光谱中出现的图像照明不均匀 。 当在不同光谱和不同距离下捕获探针和画廊图像时 , 科学家指的是跨光谱交叉的距离 。 当远距离拍摄图像时 , 除了光照不均匀之外 , 跨光谱交叉距离还出现了另一个主要问题 , 即图像质量下降 。 科学家评估了在光谱带下捕获的人脸图像与在短波谱光谱带下捕获的人脸图像之间的交叉光谱与人脸匹配 。

局部二进制模式和广义局部二进制模式特征用于编码过程 。 使用自适应分数归一化的方法来提高识别性能 。 该方法产生了更好的识别性能 。 然而 , 改进的性能高度依赖于分数级别的融合场景科学家使用局部二值模式和定向梯度直方图特征在近红外和可见光人脸图像之间进行跨光谱人脸匹配 。 编码过程依赖于线性判别分析 。 此外 , 之前的方法探索了具有相对相似距离的跨光谱人脸匹配 , 其中用于匹配的探测图像和图库数据是在相同距离捕获的 。

科学家开创了各种场景下跨光谱人脸图像匹配的工作 。 人脸图像是在各种条件和场景下拍摄的 , 例如近距离、稳定的距离、正面和面部表情以及室内和室外 。 科学家使用可见光光谱带作为图库数据 , 使用短波谱光谱带作为探测图像 。 科学家探索了用于跨光谱交叉距离人脸匹配的高斯滤波和尺度不变特征变换 。 通过使用高斯滤波降低了高频噪声 。 然后使用尺度不变特征变换特征提取方法提取面部特征 。

科学家提出了跨光谱交叉距离方法 , 其中采用了异构人脸识别系统 。 在研究中 , 异构人脸识别系统算法在编码过程中使用了三种滤波器和两种描述符 。 异构人脸识别系统算法中使用的滤波器是高斯差分、中心环绕除法归一化和高斯 , 而使用的描述符是尺度不变特征变换和多尺度局部二进制模式 。 面部表示是通过组合重叠斑块的所有特征来实现的 。



【基于同态滤波和基于相位匹配法的跨光谱交叉距离人脸识别,其识别率非常高】科学家研究了小波变换、直方图定向梯度和局部二进制模式的组合在跨光谱交叉距离人脸匹配中的应用 。 在他们的研究中 , 可见光光谱带用作图库图像 , 而近红外光谱带用作探测图像 。 为了减少近红外和可见光图像之间的差距 , 可见光图像的对比度使用高斯差分滤波增强 , 而近红外图像的对比度使用中值滤波增强 。 注意早期的作品需要三步识别:预处理、特征提取和距离计算 。

    推荐阅读