应用小波去噪提取人脸光照不变量任昆RENKun住房和城乡建设局档案馆,湖南省湘潭市411101ArchivesofHousing,TownandCountryConstructionBureau,XiangtanCity,HunanProvince411101,ChinaRENKun.UsingWaveletDe-noisingToExtractFaceIlluminationInvariant.ComputerEngineeringandApplicationsAbstract:Becauseoftheperformancesoffacerecognitionsystemcansharplydecreaseduetotheinfluenceofoutdoorilluminatingenvironmentconditionchanges;therefore,weneedtodrawthefaceilluminationinvariantthatisnotaffectedbytheilluminationtorecognizefaces.Thecoreofilluminationinvariantdrawingistodode-noisingofthefaceimageinlogarithmicdomain.Theeffectofde-noisingcandirectlyaffectthequalityofilluminationinvariant.Regardingtheproblemofde-noising,itputsforwardanewwaveletde-noisingmodel.Firstly,itreflectstheimagetothelogarithmicdomain,anddoestwo-dimensionwaveletdecompositioninthelogarithmicdomain,thengetsfoursub-graphs,includingLL,LH,HLandHH.Secondly,itseparatelycalculatesLH、HL、HHsub-graph'severyweightedaveragevalueofallcoefficientvaluesinneighborhoodofacentrecoefficientwhichisbelongtothesub-graphs;Theprobabilityofbeingnoisecoefficientsislargewhentheweightedaveragevaluesmallerthanapresetthresholds,otherwisethepossibilityissmaller.Finally,keepthesub-graphLLunchanged;multiplythewaveletcoefficientwhichhaslargepossibilityofbeingthenoisecoefficientinsub-graphsLH,HLandHHwithaautoadaptiveconstrictionfactorα.Asprovedbytheexperiments,usingthiswaveletde-noisingmethodtogettheIlluminationInvarianttodothefacerecognition,therecognitionrateisbetterthanothermethods.Keywords:illumination;waveletde-noising;weightedaveragevalue;illuminationinvariant;facerecognition摘要：针对人脸识别系统的性能会随室外光照环境条件变化的影响急剧下降，因此需要提取不受光线影响的人脸光照不变量，用于识别人脸。光照不变量的提取的核心就是在图像对数域去噪，去噪效果的好坏直接影响提取的光照不变量的质量。针对去噪问题，提出了一种新的小波去噪模型。首先，将图像映射到对数域，在对数域进行二维小波分解，分解后得到LL、LH、HL、HH四个子图；其次，分别算出LH、HL、HH子图的以每个系数（子图中的点）为中心的邻域内所有系数的加权平均值，低于设定阀值的加权平均值所对应的邻域中心的小波系数（子图系数）为噪声系数的概率就大些，反之则小些；最后，保持LL子图不变，有针对性的将LH、HL、HH子图中为噪声系数概率大的小波系数乘以一个自适应收缩因子α。经过实验证明，应用该小波去噪方法得到的光照不变量进行人脸识别，识别正确率与其他小波去噪方法比较有所提高。关键词：光照;小波去噪;加权平均值;光照不变量;人脸识别文献标志码：A：TP391.41引言小波去噪的原理为，将图像由空间域转换为小波域后，较大的小波高频系数被认为是由信号自身转换而来；较小的小波高频系数被认为是由噪声转换而来[1]。因此将所有由噪声转换来的小波高频系数置0，再进行逆变换，就能把噪声完全消除。因此去噪的关键问题就是如何更好的区分噪声系数与非噪声系数。小波去噪问题的解决方法分为三类[2]，即mallat的基于小波变换模极大值原理的去噪方法[3]；基于小波变换域内系数相关性的滤波算法[4]以及Donoho提出的阀值去噪方法[5]。本文讨论的所有方法都可以归类为基于阀值的方法。2001年赵瑞珍提出基于小波系数区域相关性的阀值滤波算法[2]，该方法综合了小波系数相关性滤波和阀值去噪方法的优点。根据赵瑞珍的实验，该方法可以在一定程度上去噪，提高信噪比。但其实验是基于一维信号数据，本人改变其算法，使其可以处理数字图像，并在其基础上进行光照条件下的人脸识别实验，与其它方法进行对比。Cai提出基于相邻小波系数的去噪方法[6]。该方法有两个关键参数。一是邻域的大小；二是λ（噪声阀值），当邻域内的小波能量小于时，邻域...