Face Recognition Under Images with Uncertain Ligth-Conditions

Abstract

Images normalization is important step for improve facial image quality. Because if facial images is without noise, in feature extraction step and face recognition are doing better. In this paper is develop method normalization illumination face image such face image too dark or too bright it’s make some area in face image has disappear, cause normal face recognition not doing well. In this paper we will develop method for normalization face image with varying lighting condition by using hybrid method base on self quotient image and face image database we use Yale B database. In result experiment we found weber face + self quotient image + mean filter has most performance for normalization face image with varying lighting condition.

การปรับปรุงคุณภาพของภาพ (normalization) เป็นขั้นตอนสำคัญในการปรับปรุงคุณภาพของภาพใบหน้าที่มีสิ่งรบกวนให้ชัดเจนยิ่งขึ้น เนื่องจากหากว่าภาพมีความชัดเจนแล้ว ในการสกัดคุณลักษณะและการรู้จำใบหน้านั้นจะทำได้ดียิ่งขึ้น ในงานวิจัยนี้จะเป็นการพัฒนาคุณภาพของภาพใบหน้าที่อยู่ในสภาวะของแสงที่ไม่คงที่ เช่น อยู่ในที่มืดเกินไปหรือสว่างเกินไปทำให้ใบหน้าบางส่วนหายไปจากภาพทำให้ใช้การรู้จำใบหน้าแบบปกตินั้นไม่สามารถใช้กับภาพใบหน้าที่อยู่ในสภาวะแสงที่ไม่คงที่ได้ ซึ่งในงานวิจัยนี้ จะใช้การผสมผสานวิธีการในการปรับปรุงคุณภาพของภาพใบหน้าโดยใช้วิธีการ self quotient image เป็นหลัก และผสมผสานกับขั้นตอนวิธี weber และ mean filter , wavelet และ mean filter โดยทดลองกับฐานข้อมูลภาพใบหน้ามาตรฐานของ Yale B database ในการวิจัย ผลลัพธ์ที่ได้พบว่าการผสมผสานวิธีการของ weber face + self quotient image + mean filter นั้นได้ผลลัพธ์ที่ดีที่สุดในการขจัดผลกระทบของแสงและเงาบนภาพใบหน้า ส่วนวิธีการ Wavelet Transform + Self Quotient Image + Meanfilter มีค่าความเสถียรมากที่สุด