96、增强直方图匹配方法：提升人脸识别光照归一化效果

增强直方图匹配方法：提升人脸识别光照归一化效果

在人脸识别领域，光照变化一直是影响识别准确率的重要因素。为了克服这一挑战，本文引入了一种基于图像处理的光照归一化新方法——GAMMA - HM - COMP 方法，通过结合多种图像增强技术，显著提升了人脸识别在不同光照条件下的性能。

1. 研究背景与目标

人脸识别技术在安防、门禁等领域有着广泛的应用，但光照变化会导致图像质量下降，影响识别准确率。为了解决这一问题，研究人员尝试了多种图像增强方法，以提高图像在识别过程中的适用性。本文旨在通过结合直方图匹配（HM）和多种图像增强方法，找到最佳的组合，提升人脸识别的性能。

2. 图像增强方法

为了提升图像质量，使其更适合识别过程，本文选择了四种图像增强方法，下面为你详细介绍：
- 直方图均衡化（HE） ：这是一种常见的图像增强方法，旨在通过使用图像的累积密度函数作为传递函数，使图像在整个亮度尺度上具有均匀分布。对于大小为 M × N、具有 G 个灰度级和累积直方图 H(g) 的图像，传递函数 T(g) 定义如下：
[T(g) = \frac{(G - 1) \times H(g)}{M \times N}]
- 对数变换（LOG） ：其一般形式为 (s = c \log(1 + r))，其中 r 和 s 分别是旧的和新的强度值，c 是用于线性缩放结果到 [0, 255] 范围的灰度拉伸参数。对数变换将较窄范围的暗输入灰度级（阴影）映射到较宽范围的输出灰度级，而对于较高的输入灰度级则相反。
- 伽马校正（GAMMA）