一種基于視網(wǎng)膜模型的人臉圖像光照處理方法
【專利摘要】本發(fā)明公開了一種基于視網(wǎng)膜模型的人臉圖像光照處理方法，通過把人類視網(wǎng)膜模型和兩種改進的Retinex算法結(jié)合在一起模擬人類視網(wǎng)膜的工作機理，使圖像的識別具有高穩(wěn)定性和高識別率的特點。同時，在實際的圖像處理時，利用單尺度Retinex算法進行圖像局部增強，從而能夠?qū)崿F(xiàn)圖像對比度增強效果；再利用自適應(yīng)平滑Retinex算法增強圖像邊緣，并消除反射圖像本身和單尺度Retinex算法處理引入的噪聲，具有增強圖像邊緣效果的作用。通過這兩種算法的結(jié)合，從而實現(xiàn)人臉光照不變量的提取，能夠適應(yīng)當(dāng)今人臉識別【技術(shù)領(lǐng)域】的迅猛發(fā)展。
【專利說明】一種基于視網(wǎng)膜模型的人臉圖像光照處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人臉識別【技術(shù)領(lǐng)域】，更為具體地講，涉及一種基于視網(wǎng)膜模型的人臉圖像光照處理方法。
【背景技術(shù)】
[0002]近幾十年來，人臉識別的研究得到了迅猛的發(fā)展，現(xiàn)已有大部分產(chǎn)品用于公共安全，金融等領(lǐng)域，然而，無約束環(huán)境下的人臉識別仍然存在著很多難點，在諸多影響人臉識別系統(tǒng)性能的因素中，光照情況是一個關(guān)鍵問題，復(fù)雜光照情況比光照不變量下的識別率平均下降10%左右。因此，光照正規(guī)化是人臉識別和圖像處理領(lǐng)域重要的研究課題。
[0003]人類視覺是一個最重要的感知客觀世界的方式，人類所獲取的信息80%來自視覺感知。人類視網(wǎng)膜主要有三個功能層構(gòu)成，依次是感光層、外網(wǎng)狀層和內(nèi)網(wǎng)狀層，功能層之間依次連接處理視覺信息。感光層是視網(wǎng)膜的感光部分，它一方面對獲取的光信息進行局部壓縮(對比度增強)，另一方面將信號傳遞給外網(wǎng)狀層；外網(wǎng)狀層對本身的信號進行局部壓縮(對比度增強)后，將信號輸出內(nèi)網(wǎng)狀層；內(nèi)網(wǎng)狀層的細胞在內(nèi)網(wǎng)狀層和外網(wǎng)狀層之間形成一條離心反饋通路(輪廓增強)后，將視信息傳遞到中樞形成視覺，這樣就會在頭腦中建立相應(yīng)的的圖像。人類視覺系統(tǒng)能夠?qū)?fù)雜的景物進行處理(低通濾波、高通濾波和非線性增強等)，提取感興趣的信息(輪廓、紋理和目標(biāo)等)，并能進一步對景物進行分析和理解。
[0004]為了消除或減弱人臉識別中光照變化問題，國內(nèi)外學(xué)者做了大量工作。光照規(guī)整化主要是早期的消除光照變化的處理方法，此類方法能夠從一定程度上消弱光照變化對人臉識別的影響，但是在復(fù)雜光照情況下識別率很難令人滿意；光照變化建模法為描述光照變化提供了一種簡單有效的方法，但是這類方法對訓(xùn)練集要求很嚴格，性能好壞嚴重依賴于訓(xùn)練集人臉圖像的質(zhì)量；光照不變量提取方法是指從圖像中提取不隨光照變化而變化或者變化較小的圖像特征，將該光照不變量用于后續(xù)人臉識別的特征提取和識別中，以便減弱或消除光照變化對人臉識別的影響。光照不變量提取方法是人臉識別中消除光照變化的主流方法，其中最主要的方法是模擬人類視覺系統(tǒng)的側(cè)抑制機理的基于中心/環(huán)繞的單尺度Retinex (SSR)算法和多尺度Retinex (MSR)算法，此算法能夠有效地消除圖像中光照不均的問題，對圖像進行對比度增強，但存在著明顯的光暈現(xiàn)象?；谌祟愐曈X系統(tǒng)，根據(jù)人類視網(wǎng)膜的結(jié)構(gòu)和信息處理機理的Vu算法，能夠有效地克服中心/環(huán)繞Retinex算法的光暈現(xiàn)象，但它存在著會減小圖像全局對比度的缺陷，而且識別速度較慢，實時性較差。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于視網(wǎng)膜模型的人臉圖像光照處理方法，通過聯(lián)合單尺度Retinex算法和自適應(yīng)平滑Retinex算法對人臉圖像的處理，能實現(xiàn)圖像對比度增強、增強圖像邊緣的效果，在不同光照條件下同時具有穩(wěn)定、較高的識別率。
[0006]為實現(xiàn)上述發(fā)明目的，本發(fā)明基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，包括以下步驟:
[0007](I)、對輸入的人臉圖像S(x，y)進行幾何歸一化處理:將所有的人臉圖像經(jīng)過裁剪和尺度變換后使人臉圖像的大小和位置保持不變，得到歸一化圖像SN(x，y)，其中(X，y)為像素點；
[0008](2)、利用單尺度Retinex算法(SSR)得到實現(xiàn)圖像局部對比度增強的圖像Rs (χ, y):
[0009]根據(jù)Retinex理論，輸入圖像由入射光分量和反射光分量構(gòu)成，其表達式為:
[0010]
【權(quán)利要求】
1.一種基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，包括以下步驟: (1)、對輸入的人臉圖像S(x，y)進行幾何歸一化處理:將所有的人臉圖像經(jīng)過裁剪和尺度變換后使人臉圖像的大小和位置保持不變，得到歸一化圖像SN(x，y)，其中(x，y)為像素點； (2)、利用單尺度Retinex算法(SSR)得到實現(xiàn)圖像局部對比度增強的圖像Rs(x，y): 根據(jù)Retinex理論，輸入圖像由入射光分量和反射光分量構(gòu)成，其表達式為:
S(x, y) = R(x, y).L(x, y) (a) 其中，S(x，y)為輸入圖像，R(x，y)為反射圖像，L(x，y)為光照圖像，為了便于處理，將式(a)放在對數(shù)域中，則可以得到保留物體本質(zhì)的反射屬性圖像R(x，y)為:R{x,y) = 1og(.S(x,^))-log(Z(.v,y))(b) 其中，是光照估計算法估計出的光照分量,而利用單尺度Retinex算法(SSR)計算光照分量的公式為:
/?、.(.'%.V.) = log(5\Y.v,>vi) - log(Zv(.r, y))^ Ls(x, y) -y)U ；
F(x,y,c) = e-{x2+y2)l'c2/(2^c2) 其中，SN(x，y)是歸一化圖像，F(xiàn)(x, y, c)為高斯環(huán)繞函數(shù)，常量c是濾波半徑，通過式(C)計算得到的光照分量Ls.(x..>;)，從而可以得到實現(xiàn)圖像局部對比度增強的輸出圖像Rs (χ, y)；` (3)、利用基于上下文信息的自適應(yīng)平滑Retinex算法得到實現(xiàn)去除光照、輪廓增強的圖像 Ra (X，y): 自適應(yīng)平滑算法估計的光照是輸入圖像的平滑結(jié)果，所以光照估計的初始值?/)(χ，7)等于輸入圖像，即SSR算法的輸出值Rs (x，y)，在(t+Ι)次迭代中平滑的圖像Z/+1)(x，_y)表示為:乙/'"(.V,少’)=—^~? 廣(Λ- + Ζ.，V +./W + /，V+./)(d) 其中，N01 (x, y) -XX W1 (1 (x + i,y + j)，i e[0，:T-l]，T為自適應(yīng)平滑算法的迭代次

i=-\ /—I數(shù)，W(t) (x, y)為自適應(yīng)平滑算法的模板，它的系數(shù)反映了每個像素點的灰度變化情況；迭代完成后得到的光照分量i ix,y)即相當(dāng)于式(b)中的光照分量Z(x，_y)，代入式(b)即可得到自適應(yīng)平滑Retinex算法的輸出圖像Ra (x, y)； (4)、獲取光照不變量1?(1，7): 通過步驟(3)計算將得到的輸出圖像Ra(X，y)存在負數(shù)，因此通過式(e)將自適應(yīng)平滑Retinex算法的輸出圖像Ra(X，y)規(guī)范到[O, I]中，
2.根據(jù)權(quán)利要求所述的基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，所述的濾波半徑c為50。
3.根據(jù)權(quán)利要求所述的基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，所述的自適應(yīng)平滑算法的迭代次數(shù)T為25次。
4.根據(jù)權(quán)利要求所述的基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，所述的自適應(yīng)平滑算法的模板(X，y)的獲取方法為: 自適應(yīng)平滑算法的模板W(t) (X，y)的表達式為:w(t) (X，y) = g (d (x, y)),其中，g O為傳導(dǎo)函數(shù)，d(x, y)表示每個圖像像素的變化程度，即一幅圖像像素的間斷處；選用在平滑過程中增強一部分受保護的灰度變化邊緣的傳導(dǎo)函數(shù):
5.根據(jù)權(quán)利要求4所述的基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，所述的用于控制平滑或加強灰度變化邊緣的參數(shù)k為:
^ = IO*cxp(-1nean(d(x, v))/0.5)
6.根據(jù)權(quán)利要求4所述的基于視網(wǎng)膜模型的人臉圖像光照處理方法，其特征在于，所述的非線性變換f O為正弦變換，則圖像像素變化程度可表示為:
【文檔編號】G06K9/00GK103679157SQ201310752516
【公開日】2014年3月26日 申請日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】于力, 鄒見效, 徐紅兵, 宋穎慧 申請人:電子科技大學(xué)