[發明專利]一種基于多級小波分解和樣條插值的人臉圖像光照調整方法

無效

• 申請號: 200710092946.5
• 申請日: 2007-11-06
• 公開（公告）號: CN101201900A
• 公開（公告）日: 2008-06-18
• 發明（設計）人: 龔衛國;辜小花;李偉紅;楊利平;李正浩;劉燕飛
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/00
• 代理公司: 重慶華科專利事務所
• 代理人: 康海燕

技術領域

本發明屬于圖像處理技術領域，涉及一種基于多級小波分解和樣條插值的人臉圖像光照調整方法，該方法能直接應用于光照變化條件下的實時人臉識別系統。

背景技術

人臉識別作為一種非接觸式的、友好的生物特征識別方法，在保密場所的用戶認證、銀行、住宅小區安防監控，公安刑偵，人機交互等領域都有著極大的應用潛力。但正是由于人臉識別非接觸式這一特點，使得同一個人的人臉圖像極其容易受到周圍環境的影響，尤其是光照變化的影響。研究表明，由于光照影響帶來的人臉圖像的變化甚至比由于個體差異帶來的人臉圖像的變化都大，這使得人臉識別系統的性能急劇地降低，因此消除光照變化對人臉圖像識別的影響已成為現在人臉識別亟待解決的問題之一。

目前，在人臉識別中解決光照變化問題的方法主要有三類：第一類方法是建立不同條件下的人臉模型或光照模型。這類方法雖然可以取得很好的效果，但是需要采集大量的不同光照條件下的人臉圖像樣本且計算耗時，因此限制了其在實時人臉識別系統中的應用。第二類方法是提取對光照變化不敏感的人臉特征，但如何獲取對光照不敏感的人臉特征是這類方法的難點。第三類方法是直接對人臉圖像進行預處理，消除光照變化對人臉圖像的影響。這類方法的特點是處理速度快，適合應用在實時的人臉識別系統中。本發明所涉及的光照補償方法就屬于這一類。

人臉圖像受光照變化的影響有以下兩種情況：一是人臉圖像受到來自周圍環境的背景光照的影響而使得圖像整體亮度發生變化或在圖像上形成陰影，這種情況可以看作是在正常光照圖像上疊加了加性噪聲(也稱為背景噪聲)；二是隨著某些方向的光強度的增強，人臉圖像的局部會由于增益過大而飽和，掩蓋了圖像的細節信息，這種情況可以看作是在正常光照圖像的局部疊加了乘性噪聲(也稱為增益噪聲)。概括起來，光照變化對人臉圖像的影響可以認為是在正常光照圖像中混入了背景噪聲和增益噪聲。光照調整就是試圖減少或消除背景噪聲和增益噪聲的影響，使得人臉圖像盡可能恢復到正常光照下。

發明內容

本發明的目的在于提出一種基于多級小波分解和樣條插值的人臉圖像光照調整方法。該方法可以快速、有效地估計圖像的光照情況并盡可能地去除由于光照而引入的背景噪聲和增益噪聲，可以應用于光照變化條件下的實時人臉識別系統中，減少光照變化對人臉識別系統性能惡化的影響。

本發明是在充分認識光照變化對人臉圖像的影響的基礎上提出的。一般認為，光照變化會給正常光照下的人臉圖像混入背景噪聲和增益噪聲。假設正常光照條件下的一幅大小為M×N的人臉圖像用G(m，n)(m＝1，…，M，n＝1，…N)表示，那么受光照影響后的人臉圖像可表示為：

G′(m，n)＝F(m，n)□G(m，n)+B(m，n)(m＝1，…，M，??n＝1，…N)

其中F(m，n)和B(m，n)分別表示由于光照變化而混入的增益噪聲和背景噪聲。光照調整就是通過估計并消除F(m，n)和B(m，n)而使圖像G′(m，n)盡可能恢復為G(m，n)。

由光照引起的圖像變化通常是比較緩慢的，對應圖像中的低頻成分，因此可以對G′(m，n)進行低通濾波而獲得光照分布的估計。

本發明是一種基于多級小波分解和樣條插值的人臉圖像光照調整方法，該方法是根據已知的受光照影響圖像直接估計并去除其背景噪聲；然后對去除背景噪聲后的人臉圖像進行對數變換，通過對數域估計去除其增益噪聲，得到正常光照下的人臉圖像。其中，在估計圖像的背景噪聲和增益噪聲時，首先對人臉圖像進行多級小波變換并取最后一級變換得到的低頻成分作為該圖像的一個低分辨率下的噪聲估計圖像，然后通過樣條插值將小波變換得到的噪聲估計圖像的分辨率恢復到和已知圖像的分辨率相同，即得到背景噪聲或增益噪聲。

該光照調整方法的具體實現步驟如下：

(1)利用多級小波變換，估計給定輸入人臉圖像G(m，n)的低分辨率下的背景噪聲圖像A_J；

(2)對(1)中估計得到的背景噪聲圖像A_J進行樣條插值，使得插值后的圖像和給定輸入人臉圖像具有相同的分辨率，將恢復后的圖像作為圖像G′(m，n)的背景噪聲估計B′(m，n)；

(3)去除給定輸入人臉圖像的背景噪聲估計B′(m，n)；

f(m，n)＝G′(m，n)-B′(m，n)≈F(m，n)□G(m，n)(m＝1，…，M，n＝1，…N)

(4)對去除了背景噪聲的圖像f(m，n)進行對數變換，ln?f(m，n)＝ln?F(m，n)+lnG(m，n)