可見光與近紅外人臉圖像的相互轉(zhuǎn)換方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識別領(lǐng)域，特別是涉及一種基于稀疏學(xué)習(xí)的可見光與近紅外人臉 圖像的相互轉(zhuǎn)換方法。
【背景技術(shù)】
[0002] 人臉識別技術(shù)是利用計算機獲取人臉圖像并進(jìn)行分析與處理，然后以特定方法提 取出能有效表示人臉圖像的特征，最后通過及其學(xué)習(xí)的方法對人臉圖像進(jìn)行身份鑒定。人 臉識別廣泛應(yīng)用于安全驗證系統(tǒng)、駕照和護(hù)照的驗證和犯罪身份識別等方面。最近幾年隨 著信息以及網(wǎng)絡(luò)技術(shù)的發(fā)展，人臉識別已經(jīng)成為模式識別領(lǐng)域最受關(guān)注的問題之一。
[0003] 在人臉識別系統(tǒng)中光照是影響準(zhǔn)確率的一個關(guān)鍵因素。近紅外線（Near Infrared，NIR)成像對于環(huán)境光線的變化在一定限度內(nèi)保持魯棒，可以達(dá)到光照不變性的 要求；不易受到環(huán)境溫度變化的影響，在白天和黑夜均能夠正常工作。因此在實際的人臉 識別系統(tǒng)中，人們常常選擇近紅外圖像作為魯棒人臉識別的媒介。但是對于一個真正魯棒 的自動人臉識別系統(tǒng)，具備處理來自不同模態(tài)的人臉圖像的能力是至關(guān)重要的。日常生活 中，每個人都有一張以上的可見光人臉正面照片（身份證證件照等），該照片無明顯的表情 變化和姿態(tài)變化，同時光照條件可控。而在安檢等應(yīng)用進(jìn)行現(xiàn)場比對時，為了不受光照變化 影響，采集近紅外人臉圖片作為測試圖片，從而形成了異質(zhì)人臉識別（Heterogeneous face recognition)的問題。由于異質(zhì)圖像之間存在較大的類內(nèi)差別，直接進(jìn)行異質(zhì)圖像（近紅 外圖像一可見光照片）間的識別，準(zhǔn)確率不高。為了減小異質(zhì)圖像間的差別，通常將不同模 態(tài)的圖像轉(zhuǎn)化為相同模態(tài)并進(jìn)行后續(xù)的識別。以近紅外和可見光人臉圖片為例，既可以將 近紅外人臉圖片轉(zhuǎn)換為對應(yīng)的可見光人臉照片，也可以將可見光人臉照片轉(zhuǎn)換為相應(yīng)的近 紅外人臉圖片，從而實現(xiàn)異質(zhì)圖像間的變換與合成。
[0004] 近紅外-可見光人臉圖像相互轉(zhuǎn)換與合成的關(guān)鍵在于學(xué)習(xí)兩者之間的映射關(guān)系。 將近紅外人臉圖像看作采樣于近紅外圖像空間，可見光人臉照片采樣于可見光照片空間。 假設(shè)對于一組近紅外-可見光人臉圖像對，它們分別在近紅外圖像空間和可見光照片空間 具有相似的分布形式。具體地，輸入近紅外人臉圖像（或輸入近紅外人臉圖像塊）在近紅 外圖像空間的重構(gòu)系數(shù)（用近紅外圖像空間的其他人臉圖像或者人臉圖像塊重構(gòu)該輸入 近紅外人臉圖像或者輸入近紅外人臉圖像塊時的權(quán)重系數(shù)）與對應(yīng)可見光人臉照片（或可 見光人臉照片塊）在可見光照片空間中的重構(gòu)系數(shù)相同。
[0005] 近紅外人臉圖像與可見光人臉照片的轉(zhuǎn)換技術(shù)主要包括兩大類：
[0006] -是基于線性子空間學(xué)習(xí)的方法，基于主成分分析（Principal component analysis，PCA)特征轉(zhuǎn)換。首先，在由近紅外圖像和可見光照片組成的混合空間進(jìn)行特征分 析，之后將得到的混合投影矩陣分成一對近紅外圖像投影矩陣和可見光照片投影矩陣。從 而，將輸入測試近紅外人臉圖像用近紅外圖像投影矩陣投影得到投影系數(shù)，然后再將得到 的投影系數(shù)與可見光照片投影矩陣結(jié)合即可得到待輸出的可見光照片。該方法假定近紅外 人臉圖像與可見光人臉照片之間的映射是一種線性關(guān)系，無法真正地反映出二者之間的非 線性關(guān)系，導(dǎo)致產(chǎn)生結(jié)果模糊，細(xì)節(jié)信息缺失；
[0007] 二是基于流形學(xué)習(xí)的方法，利用分段線性來逼近全局非線性進(jìn)行圖像合成。首先 將訓(xùn)練集中的所有近紅外人臉圖像一可見光人臉照片對及輸入的測試近紅外人臉圖像劃 分成大小均勻的圖像塊，相鄰圖像塊之間保留一定程度的重疊。該方法假設(shè)近紅外人臉圖 像塊和可見光人臉照片塊采樣自兩個具有相似幾何結(jié)構(gòu)的流形。對于輸入近紅外人臉圖像 中任意位置的圖像塊，先從訓(xùn)練集中對應(yīng)位置的近紅外人臉圖像塊集合中尋找K個最近鄰 的圖像塊并提取特征計算相似性求取重構(gòu)權(quán)值。然后通過對這K個近紅外人臉圖像塊對應(yīng) 的可見光人臉照片塊，由求得的重構(gòu)權(quán)值線性組合來得到合成的可見光人臉照片塊。這種 方法雖然用局部的線性估計全局的非線性，具體到某一圖像塊時，本質(zhì)上還是線性的。

【發(fā)明內(nèi)容】

[0008] 為克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明之目的在于提供一種可見光與近紅外人 臉圖像的相互轉(zhuǎn)換方法，以提高合成的可見光人臉照片和近紅外人臉圖像的清晰度，使得 細(xì)節(jié)信息更豐富，能夠有效處理異質(zhì)人臉識別的問題。
[0009] 為達(dá)上述及其它目的，本發(fā)明提出一種可見光與近紅外人臉圖像的相互轉(zhuǎn)換方 法，包括如下步驟：
[0010] 步驟一，利用基于稀疏學(xué)習(xí)的方法將近紅外人臉圖像或可見光人臉照片轉(zhuǎn)換為初 始可見光人臉照片或初始的近紅外人臉圖像；
[0011] 步驟二，利用基于多特征挑選的方法將初始近紅外人臉圖像或可見光人臉照片轉(zhuǎn) 換為可見光人臉照片或近紅外人臉圖像的高清晰度細(xì)節(jié)照片。
[0012] 進(jìn)一步地，以近紅外人臉圖像到初始可見光人臉照片為例，步驟一進(jìn)一步包括如 下步驟：
[0013] 步驟1. 1，確定作為人臉圖像的訓(xùn)練和測試來源的樣本人員庫，采集所述樣本人員 庫中每個人的在不同人臉狀態(tài)下的各一張可見光照片和一張近紅外人臉圖像，同一人同一 個人臉狀態(tài)下的一張可見光人臉照片和一張近紅外人臉圖像構(gòu)成一組圖象對；
[0014] 步驟1. 2,對所述樣本人員庫中的每個人的每組可見光人臉照片和近紅外人臉圖 像進(jìn)行歸一化，并進(jìn)行掩模背景去除和光照預(yù)處理；
[0015] 步驟1. 3,將處理完的近紅外人臉圖像一可見光人臉照片對樣本庫隨機選取，一半 劃分為訓(xùn)練樣本集，一半劃分為測試樣本集，并從測試樣本集中選取一張測試近紅外人臉 圖像y nil:，將訓(xùn)練樣本集的近紅外人臉圖像-可見光人臉照片對以及輸入測試近紅外人臉 圖像劃分為M個大小相同的圖像塊，且相鄰圖像塊之間保留一定程度的重疊，并依次訓(xùn)練 可見光人臉照片塊訓(xùn)練字典、近紅外人臉圖像塊訓(xùn)練字典、輸入近紅外人臉圖像塊原始像 素列向量；
[0016] 步驟1. 4,在步驟1. 3的基礎(chǔ)上，對每組近紅外人臉圖像塊和可見光人臉照片塊在 原始像素值上提取局部紋理特征，分別為和iT is,并對輸入測試近紅外人臉圖像塊 提取局部紋理特征iT;
[0017] 步驟1. 5,利用步驟1. 4得到的輸入測試近紅外人臉圖像塊特征向量分別與 近紅外人臉圖像塊特征訓(xùn)練字典
【主權(quán)項】
1. 一種可見光與近紅外人臉圖像的相互轉(zhuǎn)換方法，包括如下步驟： 步驟一，利用基于稀疏學(xué)習(xí)的方法將近紅外人臉圖像或可見光人臉照片轉(zhuǎn)換為初始可 見光人臉照片或初始的近紅外人臉圖像； 步驟二，利用基于多特征挑選的方法將初始近紅外人臉圖像或可見光人臉照片轉(zhuǎn)換為 可見光人臉照片或近紅外人臉圖像的高清晰度細(xì)節(jié)照片。
2. 如權(quán)利要求1所述的一種可見光與近紅外人臉圖像的相互轉(zhuǎn)換方法，其特征在于， 以近紅外人臉圖像到初始可見光人臉照片為例，步驟一進(jìn)一步包括如下步驟： 步驟1. 1，確定作為人臉圖像的訓(xùn)練和測試來源的樣本人員庫，采集所述樣本人員庫中 每個人的在不同人臉狀態(tài)下的各一張可見光照片和一張近紅外人臉圖像，同一人同一個人 臉狀態(tài)下的一張可見光人臉照片和