基于多尺度相對梯度差異化信息的光照不變量的圖像特征提取算法.pdf

1、特征提取是圖像理解、圖像分析和圖像分類等領域里一個特別熱門的研究點，它關聯了機器圖形學理論、圖像分析、人機互動、人工智能、機器視覺、與生理科等很多專業(yè)領域。而特征提取則是機器視覺與圖像分析中至關重要的一步，它是圖像處理中最基本也是最重要的問題之一。現階段，特征提取技術還是受到很多隨機因子的干擾，比方說不同的光照等等。受光線改變的影響，相同的目標在變化的光照環(huán)境下獲取的照片間的差別信息，也許比處于相同光照環(huán)境里不同目標獲取的照片之間的差別

2、信息大很多。在一幅圖像中,光照變化會導致在圖像中出現嚴重的退化情況。改變光照方向和強度會導致圖像陰影的形狀和位置的變化,其中的梯度變化發(fā)生在強光照射的情況下。這些變化使得樣本的圖像看起來完全不同。此外,照明變化總是伴隨著其他姿態(tài)和時間的變化等問題,這些都會使得圖像識別問題的復雜度增加。這使得當前的圖像識別算法所得到的結果往往滿足不了研究者的應用，因而光照的改變也就是了阻礙模式識別技術發(fā)展的最主要的問題之一。
　　圖像識別是一個困難

3、的模式分類問題，由于類內差異(同一對象的圖像之間的變化)甚至大于類間差異(來自不同對象圖像之間的差異)。當前圖像處理與識別技術的一個關鍵性挑戰(zhàn)是如何消除訓練圖像和測試圖像之間的光照變化。在對圖像特征提取的應用中，光照不變性特征在大型數據庫中的能力和魯棒性是有限的和不充分的。在不同變化的照明條件下,這些方法可以實現底層的性能。隨著光照的變化,當訓練圖像或者測試圖像完全暴露在不同的光照條件下時，2d人臉表面將會嚴重退化。這些與生俱來的特征變

4、化的幅度,能夠區(qū)分不同的樣本目標,他們的幅值通常小于由光照變化引起的圖像變化。
　　在本文中,我們提出一種使用多尺度相對梯度差異的方法來削弱或消除光照變化。在本文的方法中,由于圖像的陰影和邊緣部分會使得圖像光照不變量的推理不成立，我們使用高斯核函數對輸入圖像進行濾波得到平滑圖像。接著通過計算圖像矩陣的一階導數在 X軸和Y軸的投影。接下來通過對圖像矩陣做相對梯度信息運算獲取圖像的光照不敏感特征。再通過使用伽柏小波多尺度分析對圖像的紋