SVD Face: Invariance to illumination changes

摘要

本文中，我们设计了一种新颖的途径，用以获取在不同光照环境下保持不变的人脸特征，从而实现人脸识别与验证任务。由于奇异值分解(SVD)的归一化系数对于光照变化具有较强的鲁棒性，受其启发，我们构建了一个简洁而高效的方法来表征人脸的基础结构，该方法被称作奇异值分解人脸。相较于传统方法在细节表达方面存在的不足，我们的方法通过引入对奇异值分解系数的松弛处理，在很大程度上保留了原始图像中的纹理信息。理论分析结果指出，所提出的SVD人脸具备光照不变的特性，能够有效提取人脸图像中具有代表性的区域（如眼部、口部等），同时抑制光照变化带来的干扰。基于Yale B以及我们自行构建的光照人脸(IF)数据集进行的实验表明，相较于已有技术，采用SVD人脸进行的人脸识别与验证方法展现出更高的有效性。

1 引言

光化归一化作为图像配准、立体视觉及目标检测等多个图像处理领域中的关键环节，具有不可替代的重要性。近年来，其在复杂光照环境下的人脸识别应用尤为突出。然而，面部区域因光照差异可能引发诸多不良影响，例如阴影所形成的伪边缘易与面部真实结构（如眼部与口部轮廓）产生混淆。因此，为提升人脸识别与验证的准确度，众多学者投入大量精力致力于获取不受光照影响的人脸图像。针对此问题，核心思路是建立一个模型，将图像I视为反射率R与照明L的乘积形式（即I=RL）[1]。基于该理论框架，以往多数方法均