34、基于外观模型的准不变光照识别方法

基于外观模型的准不变光照识别方法

在计算机视觉领域，光照变化一直是物体识别的一大挑战。本文介绍一种基于非均匀采样（NUS）算法的新方法，旨在构建对光照变化具有容忍性的外观模型，减少所需图像数量，提高识别效率。

1. 算法概述

新方法基于NUS算法，与传统NUS不同的是，它利用从基础流形获得的信息和物体测量值，生成对光照变化具有容忍性的扩展模型。该方法分为两个阶段：
- 生成基础模型 ：使用NUS技术在给定光照条件下为物体生成基础模型，并获取物体的有用信息。
- 生成扩展模型 ：根据基础模型和物体的外观测量值，生成不同光照条件下的其他模型。

2. 基础模型的生成

在这一阶段，用户需要设置误差阈值ε和图像分离角度（通常为5°或10°）。在给定条件下，最多捕获72张（每5°一张）或36张（每10°一张）图像来获取物体模型。通过线性插值计算NUS确定的必要图像之间的中间图像的近似值。

生成基础流形后，需要确定物体是否具有中心对称性。具体步骤如下：
1. 将构成物体完整模型的所有图像（包括NUS确定的图像和后续计算的插值图像）再次分为两个均匀区间。
2. 计算图像的总能量（TE），即图像像素强度值的总和。
3. 比较每个区间中相反角度的图像对的TE值，考虑一个小的容差因子δ。
4. 计算比较图像之间的距离（SSD）。

判断物体是否具有中心对称性的条件如下：
设$i_j$（$j$为0到180度之间的角度）是物体基础模型第一区间的图像，$i_k$是第二区间中与$j$相反角度的图像。如果对