專利名稱：一種人臉圖像歸一化方法
一種人臉圖像歸一化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺和圖像處理技術(shù)領(lǐng)域，具體涉及一種人臉圖像歸一化方法。
背景技術(shù)：
近年來，人臉識別/認(rèn)證由于其在公共安全、身份確認(rèn)、多媒體檢索和人機(jī)交互等領(lǐng)域的廣泛應(yīng)用，受到了眾多科研院所和企業(yè)的重視，也進(jìn)行了大量的相關(guān)研究。然而對現(xiàn)有的大多數(shù)人臉識別/認(rèn)證系統(tǒng)來說，外部環(huán)境光照的變化依然嚴(yán)重制約著其性能。這主要是因?yàn)楣庹兆兓斐傻耐粋€體臉部成像差異甚至有可能比不同個體間的差異更大，而 在實(shí)際應(yīng)用系統(tǒng)的設(shè)計(jì)中，由于識別/認(rèn)證和注冊時間、環(huán)境的不同，外部光照的變化幾乎不可避免。因此，針對光照變化條件下的人臉圖像進(jìn)行歸一化處理以消除/減小其對人臉識別/認(rèn)證系統(tǒng)的影響已經(jīng)成為當(dāng)前圖像處理、人臉識別相關(guān)領(lǐng)域的熱點(diǎn)和難點(diǎn)。為了消除/減小光照變化對人臉識別/認(rèn)證系統(tǒng)帶來的影響，國內(nèi)外的研究者提出了許多方法，這些方法大致可以分為三類。一類是根據(jù)大量的不同光照條件下的人臉樣本學(xué)習(xí)出可變光照下的人臉模型，如專利申請?zhí)枮?00710027817. 8所提出的基于二次多項(xiàng)式模型的光照歸一化方法，這類方法處理效果好，但是往往計(jì)算量大，耗時長，而且對大量訓(xùn)練樣本的需求也限制了其實(shí)際應(yīng)用。第二類方法采用傳統(tǒng)的圖像處理方法對變化光照條件下的人臉圖像進(jìn)行預(yù)處理，如直方圖均衡化，對數(shù)變換等，這類方法由于沒有考慮到光照形成模型，僅僅是調(diào)整目標(biāo)圖像的灰度分布，因而并不能取得理想的實(shí)用效果；第三類方法根據(jù)朗伯反射模型抽取光照不敏感量進(jìn)行光照歸一化，這一類方法由于效果好，同時復(fù)雜度比第一類方法低，因而獲得廣泛的關(guān)注。其中比較具有代表性的方法有基于 LTV 模型的方法(T. Chen, X. S. Zhou, D. Comaniciu and T. S. Huang, “Total VariationModels for Variable Lighting Face Recognition, ” IEEE Transactions on PatternRecognition and Machine Intelligence, 28 (9) : 1519-1524，2006)和發(fā)明人在前期工作中提出的基于韋伯臉的方法(B. Wang, W. F. Li, W. M. Yang and Q. M. Liao, “IlluminationNormalization Based on Weber’s Law With Application to Face Recognition,，，IEEESignal Processing Letters, 18(8) : 462-465, 2011)。LTV模型在對數(shù)域使用全變分模型對人臉圖像進(jìn)行分解，使用其中的小尺度分量近似表征光照不變的反射分量。專利申請?zhí)枮?00810026852. 2的發(fā)明提出了 LTV模型的改進(jìn)算法，但是這些基于LTV模型的方法計(jì)算量大，耗時較長?；陧f伯臉的方法使用一種局部二階相對梯度作為光照不敏感表達(dá)，避免了顯式求解反射分量，同時相較LTV模型方法具有更小的計(jì)算復(fù)雜度和更好的光照歸一化結(jié)果。但是，基于韋伯臉的方法依然存在如下兩個缺點(diǎn)(I)求取的局部二階相對梯度在陰影邊緣處不具有光照不敏感性；(2)僅僅考慮到單一的尺度，而沒有利用多尺度的信息，而近期眾多的研究工作表明不同尺度下的信息具有互補(bǔ)特性。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種實(shí)用性強(qiáng)、有廣泛應(yīng)用前景并可明顯提高人臉識別/認(rèn)證率的人臉圖像歸一化方法。本發(fā)明的方法尤其是針對基于韋伯臉的光照歸一化算法進(jìn)行了兩點(diǎn)改進(jìn)(I)利用不同人臉區(qū)域的本征特性在正常光照條件下，鑒別力較強(qiáng)的眉眼、鼻、嘴巴等區(qū)域具有較大的梯度變化，鑒別力較小的額頭、臉頰等區(qū)域具有較小的梯度變化，也即比較平坦；然而在有陰影的情況下，額頭、臉頰等部位也會變得不平坦，即具有較大的梯度變化，這些陰影將對當(dāng)前的許多人臉識別/認(rèn)證算法帶來負(fù)面影響。為了解決這一問題，我們提出根據(jù)正常光照條件下的多個樣本生成平均平坦度掩膜，則該掩膜中較大的數(shù)值對應(yīng)的是人臉中本來較不平坦的區(qū)域，較小的數(shù)值對應(yīng)的是人臉中較平坦的區(qū)域；由于這一掩膜是利用正常光照條件下的多個人臉圖像平均得來，因而具有較強(qiáng)鑒別力的區(qū)域(如眉目艮、嘴巴等)對應(yīng)的掩膜數(shù)值較大，容易出現(xiàn)陰影的區(qū)域(如臉頰)對應(yīng)的掩膜數(shù)值較小，我們進(jìn)而根據(jù)該掩膜生成對應(yīng)的放縮系數(shù)矩陣，對具有較大掩膜系數(shù)的區(qū)域響應(yīng)進(jìn)行增強(qiáng)，對較小掩膜系數(shù)的區(qū)域響應(yīng)進(jìn)行抑制，這一改進(jìn)可以有效去除/減小陰影邊緣的影響；雖然具有較強(qiáng)鑒別力的區(qū)域(即較不平坦的人臉區(qū)域)也同樣會產(chǎn)生陰影，但由于一方面這 些區(qū)域所占人臉的總區(qū)域的大小的比例較小，對該區(qū)域的陰影不做抑制處理并不會帶來較大的影響，另一方面這些區(qū)域主要包含的是對人臉識別/認(rèn)證有用的鑒別信息，對該區(qū)域陰影的抑制處理也會抑制這些鑒別信息；在本發(fā)明中通過對占人臉大部分面積的較平坦的人臉區(qū)域的陰影進(jìn)行抑制，可以有效去除/減小陰影邊緣的影響。(2)提出多尺度韋伯臉的計(jì)算方法，最終的輸出是多個尺度下自適應(yīng)韋伯臉的加權(quán)融合，這一改進(jìn)可以充分利用不同尺度信息并抽取更多有用的鑒別信息。一種人臉圖像歸一化方法，包括如下步驟I)對目標(biāo)人臉圖像進(jìn)行歸一化處理，得到初始人臉灰度圖；2)對初始人臉灰度圖的灰度值進(jìn)行調(diào)整，其中，使較平坦的人臉區(qū)域的灰度值相對減小，使較不平坦的人臉區(qū)域的灰度值相對增大。優(yōu)選地,在所述步驟2)中，采用系數(shù)對初始人臉灰度圖的灰度值進(jìn)行放縮，采用較小系數(shù)使較平坦的人臉區(qū)域的灰度值相對減小，采用較大系數(shù)使較不平坦的人臉區(qū)域的灰度值相對增大。優(yōu)選地，通過如下步驟確定人臉區(qū)域的平坦的程度計(jì)算第i張正面光照下的人臉圖像中某個像素點(diǎn)(x，y)的平坦度HiaskiUy)Inaski(X^v)= ^+ /^(i5 ^ - thresh)).計(jì)算M張正面光照下的人臉圖像的相同位置的某個像素點(diǎn)(x，y)的平均平坦度maskavg(x, y)
IMmask^Xx.y)^—^maski(XjV);
^ M l j其中，W‘y)表示中心在像素點(diǎn)(X，y)的大小為dXd的方形窗口，像素點(diǎn)是在
該方形窗口內(nèi)的像素點(diǎn)，刃和七氏少)分別表示人臉圖像中X方向和y方向的梯度幅度，thresh是一個表示像素點(diǎn)(x，y)周圍的局部區(qū)域是否平坦的閾值；δ ()是一個函數(shù)，當(dāng)括號內(nèi)的值大于等于O時，δ 0=1，當(dāng)括號內(nèi)的值小于O時，δ 0=0。優(yōu)選地，所述步驟I)包括如下步驟I. I)通過高斯濾波對目標(biāo)人臉圖像進(jìn)行平滑處理，得到高斯濾波圖Γ (X，y)
權(quán)利要求
1.一種人臉圖像歸一化方法，其特征是，包括如下步驟 .1)對目標(biāo)人臉圖像進(jìn)行歸一化處理，得到初始人臉灰度圖； .2)對初始人臉灰度圖的灰度值進(jìn)行調(diào)整，其中，使較平坦的人臉區(qū)域的灰度值相對減小，使較不平坦的人臉區(qū)域的灰度值相對增大。
2.如權(quán)利要求I所述的人臉圖像歸一化方法，其特征是在所述步驟2)中， 采用系數(shù)對初始人臉灰度圖的灰度值進(jìn)行放縮，采用較小系數(shù)使較平坦的人臉區(qū)域的灰度值相對減小，采用較大系數(shù)使較不平坦的人臉區(qū)域的灰度值相對增大。
3.如權(quán)利要求2所述的人臉圖像歸一化方法，其特征是，通過如下步驟確定人臉區(qū)域的平坦的程度 計(jì)算第i張正面光照下的人臉圖像中某個像素點(diǎn)(x，y)的平坦度HiaskiUy)
4.如權(quán)利要求2或3所述的人臉圖像歸一化方法，其特征是， 所述步驟I)包括如下步驟 I.I)通過高斯濾波對目標(biāo)人臉圖像進(jìn)行平滑處理，得到高斯濾波圖r (x, y)
5.如權(quán)利要求4所述的人臉圖像歸一化方法，其特征是放縮系數(shù)a(x, y)通過如下步驟得到 將平均平坦度maskavg(x, y)歸一化至[O, I]區(qū)間；計(jì)算放縮系數(shù) ct (x, y) =maskavg (x, y) · ( a max_ a min) + a min ; 其中，Cimin和Cimax分別是設(shè)定的放縮系數(shù)的下限值和上限值。
6.如權(quán)利要求4所述的人臉圖像歸一化方法，其特征是通過如下算法得到像素點(diǎn)(x，y)的融合灰度值/ (.Y，.V)
7.如權(quán)利要求6所述的人臉圖像歸一化方法，其特征是對融合灰度值/,,(Xj)進(jìn)行歸一化至[O, 255]區(qū)間。
全文摘要
本發(fā)明公開了一種人臉圖像歸一化方法，包括如下步驟1)對目標(biāo)人臉圖像進(jìn)行歸一化處理，得到初始人臉灰度圖；2)對所述初始人臉灰度圖的灰度值進(jìn)行調(diào)整，其中，使較平坦的人臉區(qū)域的灰度值相對減小，使較不平坦的人臉區(qū)域的灰度值相對增大。本發(fā)明提出的根據(jù)空間平坦度掩膜自適應(yīng)的調(diào)整韋伯臉的放縮系數(shù)，能夠利用正常光照條件下的人臉庫圖像不同空間位置的本征信息，當(dāng)目標(biāo)圖像中由于光照造成陰影時，陰影部分會具有較小的放縮系數(shù)，因而不會產(chǎn)生大的響應(yīng)，從而有效規(guī)避了原始韋伯臉方法不能有效處理陰影邊緣的問題；另外本發(fā)明提出的多尺度自適應(yīng)韋伯臉融合方法能夠有效利用不同尺度下的互補(bǔ)信息，從而保留更多對人臉識別/認(rèn)證的有用信息。
文檔編號G06K9/00GK102867176SQ20121033438
公開日2013年1月9日 申請日期2012年9月11日 優(yōu)先權(quán)日2012年9月11日
發(fā)明者廖慶敏, 汪彪, 李衛(wèi)鋒 申請人:清華大學(xué)深圳研究生院