[發(fā)明專利]對(duì)圖像進(jìn)行光照歸一化處理的方法及采用其的圖像識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201010271322.1
• 申請(qǐng)日: 2010-09-01
• 公開（公告）號(hào): CN101916371A
• 公開（公告）日: 2010-12-15
• 發(fā)明（設(shè)計(jì)）人: 孫艷豐;劉嘉文;王立春
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京中北知識(shí)產(chǎn)權(quán)代理有限公司 11253
• 代理人: 盧業(yè)強(qiáng)

技術(shù)領(lǐng)域

本發(fā)明涉及一種對(duì)圖像進(jìn)行光照歸一化處理的方法，還涉及一種采用其的圖像識(shí)別方法，屬于模式識(shí)別領(lǐng)域。

背景技術(shù)

近年來，人臉識(shí)別研究得到了廣泛的關(guān)注。光照、姿態(tài)和表情三大問題一直是影響人臉識(shí)別精度的重要因素，其中光照因素，特別是自然環(huán)境光的變化不是人為所能控制的，因此光照處理是每個(gè)人臉識(shí)別系統(tǒng)必須進(jìn)行的步驟。大多數(shù)人臉識(shí)別系統(tǒng)通常對(duì)光照條件作出一定限制，假設(shè)待處理圖像是在基本均勻光照條件下獲得的，它們僅允許小范圍內(nèi)的光照條件變化，然而實(shí)際光照條件往往不均勻，偏光、側(cè)光、高光導(dǎo)致的過亮、過暗、陰影都會(huì)使效果大幅度下降。因此，如何減少光照對(duì)于人臉識(shí)別的影響得到了眾多研究人員的關(guān)注。

TVQI(Total?Variation?based?quotient?image?model)模型是一種使用TV-L1尺度分解模型與自商圖像(SQI)模型結(jié)合的人臉光照歸一化模型。Wang等提出的自商圖像模型是使用圖像本身的平滑度信息均衡外部的光照效應(yīng)的一種光照歸一化模型，其中圖像的平滑度信息為加權(quán)高斯濾波器濾波的結(jié)果，但是高斯濾波器不能保持圖像高頻部分的邊緣細(xì)節(jié)，因此自商圖像模型處理結(jié)果丟失部分圖像特征信息。為解決這一問題Chen等提出了TVQI模型，TVQI模型使用TV-L1分解得到的大尺度圖像特征平衡人臉圖像中的光照效應(yīng)。TV-L1為各向異性擴(kuò)散的偏微分方程，具有尺度選擇特性，同時(shí)可以保持圖像中的邊緣特征。這種方法不僅保持了自商圖像簡(jiǎn)單，有效的特點(diǎn)，而且能夠保留更多的人臉細(xì)節(jié)信息，提高了識(shí)別效果。

下面對(duì)TV-L1模型和TV-L2模型作一簡(jiǎn)介。

TV-L1模型：

TV-L1模型是一種由偏微分方程方法發(fā)展而來的對(duì)圖像進(jìn)行平滑去噪的圖像處理方法。它的基本思想是設(shè)一個(gè)泛函數(shù)J_λ[u]：求得使J_λ[u]得到最小值的u。其中u為TV-L1模型的結(jié)果，也就是平滑去噪后的圖像，I為輸入圖像，也就是原圖像，λ為調(diào)節(jié)去噪程度的參數(shù)，為梯度算子。

J_λ[u]中第一部分用來使圖像平滑，第二部分λ∫|I-u|dx使u保持I的主要特征。可通過λ來調(diào)節(jié)u與I的相似程度。

自商圖像模型(SQI)是一種光照歸一化模型，它的基本方法是利用低通濾波器得到人臉圖像的低頻成分，再與原圖像逐點(diǎn)的進(jìn)行商運(yùn)算，得到自商圖像，用公式表示如下：

Q(x,y)=I(x,y)S(x,y)=I(x,y)F*I(x,y)]]>

其中Q(x，y)為自商圖像中每點(diǎn)的像素值，I(x，y)為原圖像中每點(diǎn)的像素值，S(x，y)為圖像的低頻成分中每點(diǎn)的像素值，F(xiàn)為低通濾波器。自商圖像Q具有一定光照不變性，是自商圖像模型的結(jié)果。

TV-L2模型：

TV-L2模型與TV-L1模型的基本思想相同，只是使用的約束條件不同，TV-L2模型使用的是L2范數(shù)作為約束條件，TV-L1模型使用的是L1范數(shù)作為約束條件，約束條件的不同使泛函數(shù)J_λ[u]中的第二部分與TV-L1不同，TV-L2模型中的泛函數(shù)表示為：其中u為TV-L2模型的結(jié)果，也就是平滑去噪后的圖像，I為輸入圖像，也就是原圖像，λ為調(diào)節(jié)去噪程度的參數(shù)，為梯度算子。

發(fā)明內(nèi)容