近红外与可见光人脸图像像素级融合的研究.docx

近红外与可见光人脸图像像素级融合的研究
近红外与可见光人脸图像像素级融合的研究
摘要
近年来，人脸识别技术广泛应用于银行、机场以及公共安全领域等场所。而在实际应用中，由于各种环境因素和拍摄设备的限制，人脸图像存在不同程度的遮挡、模糊和光照条件差异等问题，导致识别准确度低。为此，本文提出了一种近红外与可见光人脸图像像素级融合方法，以提高人脸识别的准确率。首先，对近红外和可见光图像进行预处理，去除噪声和增强对比度等。然后，基于像素级融合算法将两种图像融合到一起。最后，我们采用支持向量机分类器对融合图像进行分类和识别。实验结果表明，本文提出的方法可以有效提高人脸识别的准确率。
关键词：近红外，可见光，人脸识别，像素级融合，支持向量机
Abstract
Inrecentyears,facerecognitiontechnologyhasbeenwidelyappliedinplacessuchasbanks,airportsandpublicsecurityfields.Inpracticalapplication,duetovariousenvironmentalfactorsandlimitationsofcapturedevices,facialimageshavedifferentlevelsofocclusion,blurandlightingconditiondifferences,whichleadtolowrecognitionaccuracy.Therefore,thispaperproposesamethodofpixel-levelfusionofnear-infraredandvisiblelightfacialimagestoimprovetheaccuracyoffacerecognition.First,thenear-infraredandvisibleimagesarepreprocessedtoremovenoiseandenhancecontrast.Then,thetwotypesofimagesarefusedtogetherbasedonapixel-levelfusionalgorithm.Finally,weusesupportvectormachineclassifiertoclassifyandrecognizethefusedimages.Theexperimentalresultsshowthattheproposedmethodcaneffectivelyimprovetheaccuracyoffacerecognition.
Keywords:Near-infrared,visiblelight,facerecognition,pixel-levelfusion,supportvectormachine
引言
人脸识别技术是现代生物特征识别技术中的一种重要技术，目前广泛应用于银行、机场以及公共安全领域等场所。但在实际应用中，由于各种环境因素和拍摄设备的限制，人脸图像存在不同程度的遮挡、模糊和光照条件差异等问题，导致识别准确度低，这直接影响到人脸识别应用的实际效果。
针对上述问题，本文提出了一种近红外与可见光人脸图像像素级融合的方法，以提高人脸识别的准确率。通过将这两种光谱图像进行像素级融合，我们可以提高人脸图像的质量和特征信息，从而提高人脸识别的准确率。
近红外与可见光图像预处理
为了提高近红外和可见光图像的质量，需要对它们进行一定的预处理。具体来说，我们采取以下几步：
步骤一：去除噪声
由于设备捕捉和传输的过程中都有可能产生噪声，因此需要对图像进行去噪处理。我们选择中值滤波器进行去噪，这种滤波器具有去除噪声的效果，同时不会太大程度地破坏图像细节信息。
步骤二：增强对比度
近红外和可见光图像之间的对比度差异比较大，因此需要对它们进行对比度增强处理。我们选择直方图均衡化方法进行处理。
近红外与可见光图像像素级融合
将近红外和可见光图像进行像素级融合是提高人脸识别准确率的重要步骤。常用的像素级融合方法有加权平均法、最大值法和小波变换法等。本文采用小波变换法对两种图像进行融合。具体来说，我们采用离散小波变换对原始图像进行分解，然后将低频部分替换为两种图像的加权平均，高频部分保持不变。最后通过逆离散小波变换得到融合后的图像。
支持向量机分类器
为了对融合后的图像进行分类和识别，我们采用支持向量机（SVM）分类器。SVM是一种二元分类算法，它可以将输入数据映射到高维空间中，从而使不同类别的数据在高维空间中分离得更好。通过训练SVM分类器，我们可以将融合后的图像分为不同的类别，最终得到正确的识别结果。
实验结果
本文在CASIANIR-VIS2.0数据库上进行了实验，该数据集包括500对