תנאי תאורה יכולים להשפיע באופן משמעותי על הביצועים של מערכות ראיית מחשב.התאורה תוך השחלות מבטיח כי מערכות אלה יכולות לפעול באופן אמין על פני סביבות שונות ותרחישים תאורה.שיטות שונות פותחו כדי להתמודד עם אתגר זה, להתמקד בתהליכים, מיצוי תכונה, וטכניקות הכשרה מודל.

טכניקות עיבוד תמונות

שיטות עיבוד נועדו לנרמל את וריאציות תאורה לפני הפקת תכונה.השוואת הולוגרמות להתאים את הניגוד של תמונות כדי להפחית פערי תאורה.תיקון Gamma משנה את התמונה שופעת כדי סטנדרטיזציה רמות בהירות.בנוסף, אלגוריתמים עמידים צבעים מנסים להסיר הטיית צבעים הנגרמים על ידי מקורות תאורה שונים.

שיטות ייצור

החלפת תכונות שהן פחות רגישות לה תאורה שינויים משפרת את עוצמת המערכת.טכניקות כגון תבניות מקומיות בינאריות (LBP) להתמקד מרקם ולא אינטנסיביות, מה שהופך אותם יותר invariant כדי להאיר.תכונות המבוססות על Gradient כמו הקצוות וקוטוריות הם גם פחות מושפעים על ידי אורוריות, מתן רמזים יציבים עבור משימות הכרה.

אסטרטגיות אימון מודל

מודלים של אימונים עם תנאי תאורה מגוונים משפרים את השחלות שלהם.הגדלת הנתונים כרוכים ביצירת וריאציות סינתטיות של תמונות הכשרה תחת תרחישי תאורה שונים.שימוש בייצוגים בתכונות שונות בתוך מודלים של למידת מכונה, כגון רשתות עצביות עמוקות המוכשרות על נתונים מגוונים, יכול לשפר עוד יותר את העוצמה מפני שינויים תאורה.

טכניקות נוספות

  • (ב) ,0) ,Illumination-invariant descriptors:FLT 1 שימוש במפרקים מיוחדים שנועדו להיות רגישים תאורה.
  • (ב) ,0) הדמיה רב-ספקטרום: FIRLT:1; תמונות מצפיפות על פני ספקטרום שונה כדי להפחית את השפעות התאורה.
  • אלגוריתמים:0 (FLT:1 Systems, אשר להסתגל באופן דינמי לשינויים בתנאי תאורה.