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)明涉及計算機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/認證由于其在公共安全、身份確認、多媒體檢索和人機交互等領(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/認證系統(tǒng)來說，外部環(huán)境光照的變化依然嚴重制約著其性能。這主要是因為光照變化造成的同一個體臉部成像差異甚至有可能比不同個體間的差異更大，而 在實際應(yīng)用系統(tǒng)的設(shè)計中，由于識別/認證和注冊時間、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行歸一化處理以消除/減小其對人臉識別/認證系統(tǒng)的影響已經(jīng)成為當前圖像處理、人臉識別相關(guān)領(lǐng)域的熱點和難點。為了消除/減小光照變化對人臉識別/認證系統(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習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)整目標圖像的灰度分布，因而并不能取得理想的實用效果；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模型的改進算法，但是這些基于LTV模型的方法計算量大，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，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(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，提供一種實用性強、有廣泛應(yīng)用前景并可明顯提高人臉識別/認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行了兩點改進(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，這些陰影將對當前的許多人臉識別/認證算法帶來負面影響。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)進行增強，對較小掩膜系數(shù)的區(qū)域響應(yīng)進行抑制，這一改進可以有效去除/減小陰影邊緣的影響；雖然具有較強鑒別力的區(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)對目標人臉圖像進行歸一化處理，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)域的平坦的程度計算第i張正面光照下的人臉圖像中某個像素點(x，y)的平坦度HiaskiUy)Inaski(X^v)= ^+ /^(i5 ^ - thresh)).計算M張正面光照下的人臉圖像的相同位置的某個像素點(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(X，y)的大小為dXd的方形窗口，像素點是在
該方形窗口內(nèi)的像素點，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(x，y)周圍的局部區(qū)域是否平坦的閾值；δ ()是一個函數(shù)，當括號內(nèi)的值大于等于O時，δ 0=1，當括號內(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人臉圖像進行平滑處理，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)對目標人臉圖像進行歸一化處理，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 計算第i張正面光照下的人臉圖像中某個像素點(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人臉圖像進行平滑處理，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(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)對目標人臉圖像進行歸一化處理，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，當目標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信息，從而保留更多對人臉識別/認證的有用信息。
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:清華大學深圳研究生院