Total variation models for face recognition under varying lighting.

摘要

本研究中，我们引入了一种对数总变分（LTV）模型，旨在解决光照变化环境下的人脸识别问题，涵盖自然光照等复杂场景，其中光照强度、方向以及光源数量等因素通常难以掌握。该模型能够将单幅人脸图像进行分解，提取出不受光照影响的人脸结构，并将其应用于人脸识别任务。此模型在SQI模型的基础上进行改进，具备更强的边缘保持能力及更为简洁的参数设置方式。其优势在于无需依赖任何特定的光照假设条件，也无需进行额外的训练过程。通过在Yale数据库、CMU PIE人脸数据库以及一个包含765名参与者的户外光照条件下的人脸数据库中的实验验证，LTV模型展现出优异的识别性能。

引言部分概述

光照归一化作为计算机视觉与模式识别领域的重要研究方向，其关键应用之一在于不同光照环境下的人脸识别任务。已有实验结果[1]和[48]表明，在人脸识别过程中，由光照引起的图像变化相较于个体间差异更为显著。为解决该问题，诸多人脸识别方法相继被提出，如特征人脸[42]、Fisherface[5]、概率及贝叶斯匹配[25]、子空间LDA[49]、主动形状模型与主动外观模型[23]、LFA[27]、EBGM[45]以及SVM[17]等。然而，当前多数算法对光照条件的变化表现出了高度的敏感性。为应对这一挑战，研究人员提出了多种解决方案，例如光照锥方法[6]、[14]、基于球面谐波的方法[4]、[29]、[47