多光谱防伪

随着计算机视觉于模式识别技术的发展，人脸识别作为一种生物特征鉴别模式逐渐被应用于各种身份验证和识别领域。尽管人脸识别技术已经取得显著性的进步，蛋非控光照环境下的人脸鲁棒性依然是影响人脸识别性能及应用场合的一个重要因素，近年来，复杂光照人脸识别已经成为图像处理和机器学习领域一个研究热点。基于图像处理与机器学习的方法是当前提高复杂光照人脸识别人脸鲁棒性的两个主要途径，基于图像处理的方法，是从信息处理的角度运用全局或局部非线性映射减弱，消除复杂光照对人脸成像的影响，从人脸图像中提取与成像光照不相关的成分（光照不变量）作为后续特征提取与模式分类的依据。基于机器学习的方法，主要是通过光照完备的训练样本提高模式分类的光照鲁棒性，由于受到计算设别和运行效率的限制，实际应用环境中尽量采用较少数量的样本作为训练集更具有合理性和可行性，因此从复杂光照人脸图像中提取不变量的方法备受当前研究者的广泛关注。

 由此，可以看出多光谱对于我们的防伪在实际生活中起到很重要的影响因素，那么可以再次推断出防伪在多光谱中有很多的外界因素：
 1.材质的多种多样
 2.环境中的各种光源的变化
 3.场景的多样化
 4.装饰的多样化
 5.美妆的多样化
 以上的多种情况都会影响多光谱在做防伪中重要影响因素，具有很大的挑战性，等着开发和实现。