基于基函数的人脸系统发生树

光度变换（如亮度与对比度调整）可重复应用于人脸图像，产生一组近似重复图像。从这样一组近似重复图像中识别原始图像并推导它们之间的关系，在数字图像取证中十分重要。这通常通过生成图像系统发生树——描绘一组近似重复图像间关系的层次结构——来完成。本工作中，我们利用三种不同的基函数族来建模近似重复图像间的两两关系。所用的基函数包括正交多项式、小波基函数与径向基函数。我们进行了大量实验，以评估所提方法在三种不同模态（即人脸、指纹与虹膜图像）、不同图像系统发生树配置以及不同类型光度变换下的性能。我们还利用相同的基函数建模几何变换与基于深度学习的变换。我们还对每种基函数建模任意变换及区分原始与变换图像的能力进行了深入分析。最后，我们利用近似冯·诺依曼图熵的概念解释所提IPT生成算法的成功与失败案例。实验表明，所提算法在不同场景下泛化良好，从而提示了使用基函数建模光度与几何修改图像间关系的优势。