1、目前，人臉認證對環(huán)境光照的影響有著難以克服的缺陷，這主要是由于光照變化的影響給人臉圖像帶來的變化甚至比人臉圖像個體差異帶來的變化大。另外，當人臉認證時的環(huán)境光照與注冊時不同，人臉認證的識別性能也會急劇下降，不能滿足實際系統(tǒng)的需要。為了增強實際系統(tǒng)對環(huán)境光照變化的魯棒性，本論文提出一種基于各向異性擴散算法的多尺度人臉光照不變特征圖像提取算法。其特點是針對人臉圖像中的光照問題向傳統(tǒng)各向異性擴散算法中引入新的區(qū)間不一致描述子，并提出新的傳遞系

2、數(shù)以消除該算法中的圖像光暈效應，進而形成新的各向異性擴散算法。通過將該算法嵌入廣義商圖像法中得到最終的光照不變特征圖像的獲取方法。本論文的主要研究內(nèi)容概括如下：
　?、俦菊撐纳钊胙芯總鹘y(tǒng)各向異性擴散方法中用于描述灰度圖像梯度的梯度描述子。針對該方法對梯度描述的不足引入兩種經(jīng)典梯度描述子：1）利用空間梯度對圖像中的灰度梯度進行描述，再針對空間梯度描述子不能較好描述梯度方向這一缺陷進行改進。2）針對性的引入?yún)^(qū)間不一致描述子，用以加強對

3、不同方向上的近鄰區(qū)域不一致性的描述，從而得到梯度變化的方向。
　　②傳統(tǒng)方法中的傳遞系數(shù)容易導致擴散圖像邊緣的銳化。雖說對于邊緣提取來說這是一個好的特性，但對于處理圖像中的光照變化卻是有害無益。這將使得處理后的圖像混入大量的噪聲。本論文針對這一問題對該傳遞系數(shù)進行改進，從而大幅度的降低了處理后的圖像噪聲，使得新的各向異性擴散方法對光照變化的處理效果得以大大改善。
　　③傳統(tǒng)的各向異性擴散方法的實現(xiàn)是一個擴散迭代的過程，且該方

4、法是在沒有任何約束條件下進行迭代計算的。如果直接用來處理人臉圖像，將很容易造成過適應問題。為此，本論文在新的各向異性擴散方法中引入一種特定的擴散約束，使得新的各向異性擴散方法更加適合于處理人臉圖像中的光照問題。
　　④對本論文提出的光照不變特征圖像方法與其他主流的光照不變特征提取方法在標準人臉庫YaleB和CMUPIE庫進行了相應的對比實驗。結(jié)果表明，本論文提出的改進算法具有較大的優(yōu)越性。
　　本論文所提出的算法可以在多尺度