Face recognition is a widely studied field in recent years due to its important role in many applications, such as law, criminal identification, credit card verification, security system and intelligent surveillance. Although present methods have good performances under certain conditions, there are several problems such as: different poses, different illumination conditions and changing expressions, that affect the performance of the face recognition methods. The illumination variation is one of the most difficult problem facing researchers. In our thesis, we investigate different illumination normalization methods based on histogram equalization applied globally, locally and adaptively for face recognition. In order to increase the performance, we apply different filters on the histogram equalized images, then we compare the following methods: Histogram Equalization (HE), Histogram Equalization with High Boost filter (HE+HB), Histogram Equalization with Laplacian filter (HE+Lap), Local Histogram Equalization (LHE), Local Histogram Equalization with Median filter (LHE+Med), Local Histogram Equalization with Gaussian filter (LHE+Gaus) and Adaptive Histogram Equalization. These methods can be used to eliminate the effect of uneven lighting condition effectively and efficiently, and improve the recognition performance. In the experiments which are evaluated and compared on the Yale face database B, local histogram equalization is adapted with different window sizes and different parameters. The experimental results show that the face recognition rate is improved from 46.49% (for images with no processing) to 99.55% (for LHE[7 7]+Gaussian 3x3 with standard deviation=1 method) with an error rate 0.45%. The key point is that this success is obtained with a simple method.

Yüz tanıma; suçlu teşhisi, kredi kartı doğrulaması, güvenlik sistemi ve zeki gözetleme gibi uygulamalarda önemli rolü olması nedeniyle son yıllarda bilim adamlarının çok çalıştığı araştırma konularından biri olmuştur. Mevcut yüz tanıma yöntemlerinin belirli koşullar altında iyi sonuçlar vermesine rağmen, bazı engellerle zaman zaman karşılaşılmaktadır; poz değişimi, aydınlatma değişimi ve ifade değişimi gibi sorunlar yüz tanıma metotlarının performansını etkilemektedir. Aydınlanma değişimi, geçtiğimiz yıllarda ve halen araştırmacıların karşılaştığı önemli ve etkin bir şekilde çözülmesi gereken bir problemdir. Bu tezde, yüz tanımada global, yerel ve uyarlanır olarak histogram eşitlemeye dayalı farklı aydınlanma normalleştirme yöntemleri incelenmektedir. Tanıma performansını artırmak için, yüz görüntüleri üzerinde histogram eşitleme işleminden sonra farklı filtreler uygulanması önerilmektedir. Bu amaçla şu yöntemler denenmekte ve aralarında karşılaştırma yapılmaktadır: Histogram Eşitleme (HE), Yüksek Artış filtresi (HE+HB), Histogram Eşitleme ile Laplacian filtresi (HE+Lap), Yerel histogram eşitleme (LHE), medyan filtresiyle yerel histogram eşitleme (LHE+Med), Gaussian filtresi ile yerel histogram eşitleme (LHE+Gaus) ve Uyarlanır Histogram eşitleme. Bu metotlar, etkili ve verimli bir şekilde düzensiz aydınlanma etkisini ortadan kaldırmakta ve tanıma performansını geliştirmektedir. Deneysel çalışmazda, Yale yüz veritabanı üzerinde yerel histogram yöntemi çeşitli pencere ve parametrelerle uyarlanmış ve sonuç olarak yüz tanıma oranının %46.49 dan (görüntülere hiçbir yöntem uygulamadan) %99.55 e (LHE [7 7+ Gauss 3x3, standart sapma 1 metodu için) artması sağlanmıştır. Karmaşık olmayan bir yöntemle %0.45'lik bir hata oranı elde edilmiş olması önemli bir sonuçtur.