模式识别中光照补偿处理算法研究

发布时间：2017-08-21 16:24

  本文关键词：模式识别中光照补偿处理算法研究

  更多相关文章： 彩色增强 光照补偿 Retinex 模型 卷积神经网络

【摘要】：随着计算机科学技术的不断发展与大数据时代的降临,以及深度学习技术横空出世,图像识别技术有了突破性的进展。之前,目标识别尤其是人脸识别系统的性能在很大程度上受到光照条件的影响,科研人员也在这方面有了许多的研究,但是识别效果仍不理想。然而解决复杂光照条件下的目标识别是其通往实用化的至关重要的一步,在此背景下,本文首先基于Retinex模型,提出了改进算法AuReH,其次结合卷积神经网络与光照补偿算法AuReH进行研究,提出了端对端的RetiNet模型,实验表明该模型具有很好的光照鲁棒性,能达到较高的识别准确率。本文重点研究复杂场景下光照鲁棒的卷积神经网络图像识别方法,并对传统的多尺度Retinex彩色增强进行改进,主要工作有以下几部分:1.传统的彩色增强算法有许多,包括空间域的图像增强算法,其中包括灰度变换,直方图增强,空间滤波等,同时基于频域方面处理的有频域平滑滤波与品与锐化滤波。不过自从Land提出Retinex[1]理论后,不同形式的Retinex算法相继出现,对图像增强领域有重大的贡献。本文提出了一种基于Retinex理论的自适应算法AuReH,相比于传统Retinex及其变种,该算法能够纠正传统的色偏问题,同时在彩色增强方面有着更好的效果,并对有雾图像能够进行自动去雾。2.对于光照对识别率的影响问题,针对了不同图像应用领域甚至相同图像领域识别的特征提取困难以及由光照影响造成识别率降低的问题,研究了基于卷积神经网络模型与本文提出的AuReH算法相结合的端对端RetiNet模型。3.设计并实现了跨平台的卷积神经网络系统。4.利用RetiNet模型对不同的数据集进行训练,测试并对结果进行分析。
【关键词】：彩色增强 光照补偿 Retinex 模型 卷积神经网络
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 研究背景与意义9-11
• 1.2 国内外研究现状11-13
• 1.3 本文的研究内容与结构安排13-15
• 1.3.1 主要工作13-14
• 1.3.2 结构安排14-15
• 第2章 通过图像增强进行光照补偿15-29
• 2.1 空间域图像增强理论15-17
• 2.1.1 灰度变换15-17
• 2.1.2 直方图增强17
• 2.1.3 空间滤波17
• 2.2 频率域图像增强理论17-18
• 2.2.1 频率平滑滤波18
• 2.2.2 频域锐化滤波18
• 2.3 基于Retinex的彩色增强算法18-24
• 2.3.1 色彩恒常性理论19
• 2.3.2 Retinex理论基础19-20
• 2.3.3 基于迭代计算的Retinex算法20-21
• 2.3.4 基于中心/环绕的Retinex算法21-22
• 2.3.5 基于HSI空间改进的Retinex算法22-24
• 2.4 图像质量评价24-28
• 2.5 本章小结28-29
• 第3章 卷积神经网络29-51
• 3.1 卷积神经网络中的常见层29-36
• 3.1.1 卷积层30-33
• 3.1.2 池化层33-34
• 3.1.3 全链接层34-35
• 3.1.4 Dropout层35-36
• 3.2 损失函数36-41
• 3.2.1 SVM层37-39
• 3.2.2 Softmax层39-40
• 3.2.3 Softmax与SVM的对比40-41
• 3.3 卷积神经网络中的优化41-50
• 3.3.1 CNN中的常用激活函数41-44
• 3.3.2 CNN的预处理44-45
• 3.3.3 CNN的优化方法45-50
• 3.4 本章小结50-51
• 第4章 光照鲁棒的卷积神经网络算法51-58
• 4.1 光照对图像识别的影响51
• 4.2 基于Reti Net的光照鲁棒的图像识别算法研究51-53
• 4.3 实验结果与对比53-57
• 4.3.1 Yale-B Crop人脸数据库53-55
• 4.3.2 Cifar10数据库55-57
• 4.4 本章小结57-58
• 全文总结58-60
• 参考文献60-65
• 攻读学位期间发表的学术论文目录65-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 刘丽华;;人脸光照问题研究综述[J];电脑开发与应用;2008年04期

2 高羽佳;;基于光照样本合成的光照补偿方法的研究[J];中小企业管理与科技(下旬刊);2010年12期

3 刘笃晋;孙淑霞;李思明;;人脸识别中光照处理方法的分析[J];计算机系统应用;2011年01期

4 甘树坤;吕颖;吕雪飞;李洪涛;;人脸检测中的图像光照处理研究[J];吉林化工学院学报;2011年09期

5 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];吉林大学学报(理学版);2005年02期

6 柴秀娟;山世光;卿来云;陈熙霖;高文;;基于3D人脸重建的光照、姿态不变人脸识别[J];软件学报;2006年03期

7 崔瑞;张艳宁;呼月宁;朱宇;;基于光照分类的可变光照下人脸识别方法[J];计算机工程与应用;2010年28期

8 许力;黄磊;刘昌平;;可变光照条件下的人脸识别[J];计算机工程与应用;2011年21期

9 孙雪梅;苏菲;蔡安妮;;人脸识别中光照补偿参数及必要性的判定方法[J];计算机应用研究;2007年07期

10 徐勇;闫玉宝;陈树越;;基于延迟光照技术的水波动画研究[J];安徽农业科学;2010年18期

中国重要会议论文全文数据库 前2条

1 苏红梅;闭立辉;黄文功;周艳桃;张桂征;蒙艺英;韦博优;黄玲莉;;光照对932、7532蚕品种化性的调控试验[A];第十届家（柞）蚕遗传育种及良种繁育学术研讨会论文集[C];2013年

2 余建军;杨旭波;肖双九;;基于物理光源获取的交互式重光照[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

中国重要报纸全文数据库 前2条

1 张继民;光照处理法[N];河南科技报;2005年

2 ;芹菜种子巧催芽[N];蚌埠日报;2009年

中国博士学位论文全文数据库 前8条

1 王宁;计算机视觉中的光照色度估计研究[D];北京交通大学;2012年

2 杨海明;扬州鹅繁殖的光照调控及下丘脑基因差异表达研究[D];扬州大学;2014年

3 范春年;人脸识别中光照处理算法研究[D];南京大学;2011年

4 张志伟;可变光照条件下的人脸识别技术研究[D];河北工业大学;2007年

5 庄连生;复杂光照条件下人脸识别关键算法研究[D];中国科学技术大学;2006年

6 徐晓e，

本文编号：713926