Illumination normalization based on Weber's law with application to face recognition

摘要

韦伯定律指出，当面对某种刺激时，感知到的最小变化与背景之间的比例保持恒定，这说明人类的感知并非基于绝对值，而是基于相对值。受该理论启发，我们借助比率图像，在不同光照条件下构建并分析了一种对光照变化不敏感的新图像形式，命名为“Weber-face”，其核心在于计算局部亮度差异与背景之间的比例关系。在cmu - pie和Yale B人脸数据库中的实验结果验证了Weber-face在性能方面超越了当前主流的多种方法。

1 引言

在过去的数十年间，人脸自动识别技术已成为学术界和工业界广泛关注的研究方向。然而，在光照条件复杂且不可控的环境下，人脸识别任务依然面临诸多挑战[1]、[2]。当前多数已有方法对于光照变化较为敏感，其原因在于由不同光照环境导致的人脸表观变化往往比由个体身份差异引发的变化更为明显。近年来，针对上述问题，研究者提出了多种应对策略，大致可归纳为三类。第一类方法通过引入光照样本以构建能够模拟光照变化的人脸模型。例如，在文献[3]中，作者指出在固定姿态但不同光照条件下获取的一组人脸图像，在图像空间中构成一个凸锥结构，这一结构被称为光照锥。文献[4]则探讨了相同人脸在不同光照或表情状态下的空间分布特性，并提出了一种基于低维线性子空间的球谐模型。此类方法能够有效地模拟光照变化的影响；然而其主要局限在于需要大量的训练数据支持，这在实际应用中存在一定的困