小波和神经网络在人脸光照校正中的应用

小波和神经网络在人脸光照校正中的应用

张忠波, 马驷良, 马捷

吉林大学数学研究所, 长春 130012

收稿日期:2004-06-23 修回日期:1900-01-01 出版日期:2005-03-26 发布日期:2005-03-26
通讯作者: 马驷良

Application of Wavelet and Neural Networkin the Human Face Illumination Compensation

ZHANG Zhong-bo, MA Si-liang, MA Jie

Institute of Mathematics, Jilin University, Changchun 130012, China

Received:2004-06-23 Revised:1900-01-01 Online:2005-03-26 Published:2005-03-26
Contact: MA Si-liang

摘要/Abstract

摘要： 提出一种基于小波和神经网络的人脸光照校正算法, 它充分结合了小波的多分辨分析和BP神经网络的自适应学习和良好推广能力的性质, 对人脸进行光照校正. 理论和实验证明, 本方法能有效解决人脸检测和识别中的光照校正问题, 使不同光照条件下的人脸检测和人脸识别性能得到很大提高. 本方法还具有鲁棒性好、适应面宽的特点.

关键词: 光照校正, 小波分析, 神经网络, 人脸识别, 人脸检测

Abstract: Based on wavelet and neural network the method of face illumination compensation is proposed. It sufficiently combines multiresolution analysis of wavelet with the self adaptation learning and ability of good spread of BP neural network, thus this method carries out the face illumination compensation. The theory and experiments prove that this method solves face detection and illumination compensation in the identifying process. Moreover, it has fine robust and adaptable characteristics in a wide range.

Key words: illumination compensation, wavelet analyze, neural net work, face recognition, face detection

中图分类号:

TP301

张忠波, 马驷良, 马捷. 小波和神经网络在人脸光照校正中的应用[J]. J4, 2005, 43(02): 162-166.

ZHANG Zhong-bo, MA Si-liang, MA Jie. Application of Wavelet and Neural Networkin the Human Face Illumination Compensation[J]. J4, 2005, 43(02): 162-166.

[1]	宋海明, 侯頔. Blac-Scholes模型下美式期权定价的神经网络算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1089-1092.
[2]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[3]	车颖, 冯皛, 郑宏亮. 基于卷积神经网络的超声造影图像去噪方法[J]. 吉林大学学报(理学版), 2021, 59(5): 1256-1259.
[4]	孙俊, 才华, 朱新丽, 胡浩, 李英超. 基于双重注意力机制的深度人脸表示算法[J]. 吉林大学学报(理学版), 2021, 59(4): 883-890.
[5]	傅博, 王瑞子, 王丽妍, 张湘怡. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报(理学版), 2021, 59(4): 891-899.
[6]	李旭东, 周林华. 基于大津算法和深度学习的开集声纹识别自适应阈值计算方法[J]. 吉林大学学报(理学版), 2021, 59(4): 909-914.
[7]	冯福存, 常莉红. 一种基于内容增强的可见光-红外线图像融合方法[J]. 吉林大学学报(理学版), 2021, 59(3): 595-601.
[8]	陶玉杰, 李艳红, 孙刚. 基于Bernstein多项式构造前向神经网络的遗传算法[J]. 吉林大学学报(理学版), 2021, 59(2): 233-240.
[9]	李永丽, 王浩, 金喜子. 基于随机森林优化的自组织神经网络算法[J]. 吉林大学学报(理学版), 2021, 59(2): 351-358.
[10]	尹伟石, 杨文红, 曲福恒. 无相位远场数据反演散射障碍的神经网络方法[J]. 吉林大学学报(理学版), 2020, 58(6): 1357-1365.
[11]	张齐贤, 朱晓冬, 刘元宁, 王超群, 吴祖慷, 李昕龙. 基于GA-BP神经网络的序列虹膜质量评价算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1382-1390.
[12]	胡黄水, 赵思远, 刘清雪, 王出航, 王婷婷. 基于动量因子优化学习率的BP神经网络PID参数整定算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1415-1420.
[13]	李鹏松, 李俊达, 吴良武, 胡建平. 基于阈值分割法和卷积神经网络的图像识别算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1436-1442.
[14]	袁倩影, 全海燕. 基于新进化优化BP学习算法的心音识别方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1195-1201.
[15]	骆焦煌. 基于卷积神经网络的粗粒度数据分布式算法[J]. 吉林大学学报(理学版), 2020, 58(4): 906-912.