English
资源说明：本文主要探讨了人脸识别技术中的一个关键问题——光照变化对识别性能的影响，并提出了一种改进的基于Gabor特征的自商图算法来解决这一问题。人脸识别技术作为生物特征识别的一种，由于其非接触性和便捷性，在多个领域有广泛应用。然而，光照条件的变化是影响其准确性的主要因素之一。
传统的光照归一化方法通过图像预处理来减少光照影响，但效果有限。针对这一挑战，作者提出了一种新的策略，即改进的Gabor自商图算法。他们使用改进的加权Gabor滤波器对人脸图像进行处理，提取出平滑的Gabor特征。Gabor滤波器因其在多尺度和多方向上的优良特性，常用于人脸识别中的特征提取，能有效捕捉人脸的纹理和形状信息。
接着，通过自商图算法计算图像的光照不变特征。自商图是一种用于去除光照变化影响的方法，它将同一图像的不同光照版本进行比对，从而得到光照不变的特征表示。在本文中，这种方法被用来进一步强化Gabor特征的光照不变性。
然后，为了进一步优化特征，对得到的自商图像进行直方图截断等归一化处理，这有助于消除光照强度差异，确保不同光照条件下的人脸图像在特征空间中的相似性。
实验部分，研究人员在Extended Yale B和CMU PIE这两个常用的人脸数据库上进行了测试，采用了基于皮尔逊相关系数的最近邻分类方法。实验结果显示，改进的Gabor自商图算法相比于传统方法显著提高了人脸识别率，证明了该方法的有效性。
总结来说，本文提出的改进型Gabor自商图算法是一种有效的应对光照变化对人脸识别影响的解决方案。通过对Gabor特征的提取和自商图的运用，算法能够提取出光照不变的特征，从而提高人脸识别的准确性和鲁棒性。这种技术对于提升人脸识别系统的性能，尤其是在光照条件复杂的情况下，具有重要的理论价值和实际应用前景。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
