Illumination Variation is one of the main obstacles in automatic face recognition systems. In the past few years, many approaches to coping with illumination variations have been proposed which can be categorized into model based and preprocessing based. Although the model-based approaches seem more perfect in theory, they commonly introduce more constraints and computational time is very prohibitive in most cases. On the other hand, the preprocessing approaches commonly exploit simple and efficient image processing techniques. The typical approaches based on image processing include histogram equalization (HE), histogram specification (HS), derivatives of the gray-level images by Laplacian of Gaussian filter (LOG), wavelet based method, and quotient image bases methods like self quotient image (SQI). In this thesis, I propose some improved methods based on the LOG and wavelet based method. The main idea is to apply image de-noising to suppress noises and Gamma Adjustment to alleviate the uneven illumination conditions. After that we extract and enhance facial features using LOG and wavelet decomposition so as to facilitate our recognition task. By comparing proposed methods with previous methods on the CAS-Peal Face database and Extended Yale Face Database B, proposed methods showed an obvious improvement on both databases compared with previous major methods which showed excellent performance. Experimental results proved the effectiveness of the proposed methods. Our proposed methods do not need any training or time consuming optimization procedure, so they are suitable for real time applications.
조명 변화는 얼굴 인식 시스템에 있어 넘어야 할 주요 장벽중 하나이다. 지난 수년간 조명 문제를 해결하기 위해 많은 접근 방법이 있었는데, 크게 모델 기반 접근 방법과 전처리 기반 접근 방법으로 분류할 수 있다. 모델 기반 접근 방법은 이론적으로 완벽해 보이지만, 많은 제약 조건이 필요하며 계산시간이 길다는 단점이 있다. 반면에 전처리 기반 접근 방법은 간단하고 계산 효율적인 전처리 방법들을 이용하고 있다. 대표적인 방법으로는 히스토그램 평활화(Histogram Equalization, HE), 히스토그램 명세화(Histogram Specification, HS), 라플라시안 필터(Laplacian of Gaussian filter, LOG), 웨이블릿 기반 메소드 및 비율영상(Quotient Image) 기반 접근 방법 등이 있다. 본 논문에서 LOG에 웨이블릿 기반의 향상된 영상 전처리 방법을 제안한다. 제안한 방법은 Wiener 필터를 이용하여 노이즈를 줄이고, 감마보정(Gamma Adjustment)을 통해 균일하지 않은 조명 상태를 완화시키도록 한다. 그 후, LOG와 웨이블릿 변환을 통해 얼굴의 주요 특징을 추출하고, 신호 강도를 증폭 시켜 이를 얼굴 인식에 이용하도록 한다. 제안된 방법을 CAS-Peal 얼굴 데이터 베이스와, Extended Yale Face Database B를 이용하여 얼굴 인식 실험을 하여 기존의 주요 방법들과 비교한 결과, 기존의 방법보다 더 좋은 성능을 보임을 알 수 있었다. 제안된 방법은 학습이나 시간이 많이 소요되는 최적화 단계를 필요로 하지 않으므로 실시간 응용 시스템에 적용하기에 적합하다.
