论文部分内容阅读
光照是影响成像的关键因素之一。当光照条件变化时，同一物体的不同成像之间的差异极大，有时甚至大于不同物体的成像之间的差异。在很多目标识别应用场景中，光照又常常不受人为控制，这使得光照变化条件下的目标识别成为一个普遍而具有挑战性的问题。
本文深入分析了光照特性如强度、方向和颜色等的改变对目标成像的影响；研究了目前流行的各种光照鲁棒的目标识别方法，介绍它们的算法原理，分析光照鲁棒的原因，算法的适用条件等。
提出了一种在低照度条件下基于图像频域特征的目标识别方法，该方法通过分析空频域仿射变换之间的关系，采取对梯度图像的傅氏频谱进行伪对数采样的特征提取方法，较好地提取了中低频特征，抑制了高频噪声，避免了光照变化带来的不利影响：使用神经网络进行识别，有效地提取了目标的仿射不变特征，识别速度快。
提出了一种光照鲁棒的非线性相关目标识别方法。该方法采取一种信息分解的策略，将灰度信息分解为描述存在变化的区域和区域内变化程度两个描述分量，选择比较有区分力的部分像素参与匹配；以向量之间夹角的大小作为相似度度量，直接利用图像的灰度信息，在高维向量空间中考虑图像之间的相似度，克服了在低照度、低信噪比的图像中求边缘、角点和形状等特征时面临的困难。该相似度度量不受向量模的大小(乘性光照变化)以及向量平移(加性光照变化)的影响，是线性光照不变的。