异质图像人脸识别中的图像处理和特征选择研究

异质图像人脸识别是近年来发展起来的一个人脸识别研究新方向，指不同类型（异质）人脸图像交叉匹配的人脸识别方式，其中近红外（NIR）对可见光（VIS）的人脸识别，具有很高的实用价值。但由于图像性质和数据分布不同，这类问题比经典的同质图像人脸识别更具有挑战性。本项目研究其中的异质图像间有效共性特征提取问题，以构建高性能的NIR-VIS人脸识别方法和系统。拟从人脸成像物理模型入手，分析NIR和VIS图像存在的差异，针对这种差异，研究对NIR和VIS图像的非对称滤波的预处理方法，以减弱NIR和VIS人脸图像的差异；研究对NIR－VIS人脸图像匹配的候选特征，并提出最优共性特征选择算法；评估最优共性特征对NIR-VIS人脸交叉匹配性能的提升，及其在NIR－VIS人脸识别中的应用。本项目成果可以提高NIR-VIS人脸交叉匹配性能，推动异质图像分析这个新兴研究，促进图像模式识别学科发展。

异质图像人脸识别是近年来人脸识别研究的一个新方向，指不同类型（异质）人脸图像交叉匹配的人脸识别方式，其中近红外（NIR）对可见光（VIS）的人脸识别，具有很高的实用价值。但由于图像性质和数据分布不同，这类问题比经典的同质图像人脸识别更具有挑战性。本项目研究了异质图像间有效共性特征提取问题，构建了高性能的NIR-VIS 人脸识别方法和系统。首先从人脸成像物理模型入手，分析了NIR和VIS图像存在的差异。针对这种差异，提出了对NIR和VIS图像的多尺度预处理方法，增强了NIR和VIS人脸图像之间的共性。然后对多种特征进行试验，确定了NIR－VIS人脸图像匹配的候选特征，并提出了最优的共性特征学习算法。最后提出了一种数据驱动的人脸描述子学习方法。上述研究大幅提升了NIR-VIS人脸交叉匹配的性能，增强了NIR人脸识别技术的适应性，并推动了相关技术的发展。