The Quotient Image: 基于分类识别与合成Quotient图像，在变化光照条件下

摘要

本研究聚焦于在不同光照环境下“基于类”的识别与图像合成问题。针对基于类的合成与识别任务，其定义为：在提供目标对象的单张输入图像，并结合同类其他对象在多种光照条件下所采集的样本图像时，能够建立其等价关系（通过生成新图像或提取不变特征）。该关系需在目标对象的所有图像中对应新的光照条件。

本方法的核心成果在于提取具有光照不变特性的特征图像，我们将其命名为“商”图像。该图像能够从单一输入图像以及少量同类对象样本中解析出光照变化下的生成图像空间。在实验过程中，仅使用了两个对象作为样本。在多数情况下，识别效果显著优于传统方法。同时，在考虑样本数据库规模及算法运行所需的轻度预处理条件下，所生成的图像质量也表现出明显优势。

1 引言

通过在三维物体或场景中引入可变性源（如光照变化或视角变换）来构建图像空间，成为一种可行的思路。在特定条件下，由调整源参数所生成的图像可被视作来自该图像空间的小样本图像的函数。例如，三维Lambert表面的图像空间由三个基础图像所决定，并且未考虑投影阴影的影响[IO, 11, 6, 2,81]。在此情境下，图像空间在光照变化下的低维特性有助于生成新的图像。

视觉识别与图像合成之间存在紧密联系。从某一变化源下的单张图片中识别出熟悉的物体，需要理解该变化源所生成的图像空间的构造方式。换句话说，视觉识别过程需要具备捕捉等价类关系的能力，