《表1 几种光照补偿算法对比实验分析表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于反射感知模型的人脸识别算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如图6的4种光照补偿算法效果示意图所示，对比图（a）和图（b），直方图均衡化极大改善了灰度较暗的区域，在增强整体图像的对比度的同时，加大了图像亮度，使其更加清晰，达到一定的光照补偿效果，但是对于图像细节会有一定程度上的丢失，而且容易形成伪轮廓；对比图（a）和图（c），由于原始图像整体上偏亮，使得对数变换对于过亮的图像处理后出现边缘模糊无法提取边缘信息等问题，最终得到的都是白色背景下的一些人脸特征点；对比图（a）和图（d），可以发现指数变换处理人脸过亮的图像有着较好的补偿作用，而对于过暗或是偏光现象效果较差，但是整体上光照补偿的效果依旧不明显且通常受到限制；对比图（a）和图（e），本文所提出的基于反射感知模型的光照补偿算法，从成像S中估计出照度L，剔除、分解出入射度R，消除了不同强度、不同方向光源带来的光照不均的影响，不管是针对过暗还是过亮的人脸图像，都使得处理后的6幅人脸图像的光照条件几乎达成一致，并且细节特征更加突出。同时在不损失较亮人脸区域的情况下，能够有效增强较暗的人脸细节，光照补偿效果与其去照度的理论思想相符，并且与其他三种常规光照补偿效果对比来看，基于反射感知模型的光照补偿算法明显优于对数变换和指数变换，略微优于直方图均衡化。具体的对比实验分析如表1所示。