[发明专利]在不同尺度特征图像上进行人脸光照规一化的方法

说明书

技术领域

本发明涉及人脸识别、人脸图像预处理等技术，尤其涉及一种人脸灰度图像光照规一化方法。

背景技术

人脸技术在公共安全系统、身份鉴别、人机交互和多媒体娱乐等方面均有广泛应用，然而光照变化问题却是长期困扰该类技术实用化的主要原因之一。光照变化不仅影响到人脸图像的视觉效果，而且严重影响人脸识别率。近三十年来，各种各样的技术被提出来解决人脸光照变化问题，但是其中大多数尚未达到实用要求或者不能满足多方面的应用要求。

基于Lambertian模型I(x，y)＝R(x，y)L(x，y)，其中I为2D人脸灰度图像，R为反射分量图像，L为光照分量图像。由于人脸表面反射率与光照变化无关，所以，有一类方法试图根据Lambertian模型将人脸图像进行分解，然后仅选用R进行人脸识别。其中比较著名的有Terrence Chen等人于2006年提出基于LTV模型的算法，即在对数域用全变分模型对人脸图像进行分解(T.Chen，X.S.Zhou，D.Comaniciu and T.S.Huang.Total Variation Modelsfor Variable Lighting Face Recognition.IEEE Transactions on Pattern Analysisand Machine Intelligence，28(9)：1519-1524，2006)。然而，理论上，从原图中提取反射分量本身为病态问题，所以，目前存在的方法仅能近似地将一张人脸图像分解为小尺度特征图像和大尺度特征图像，然后用小尺度特征图像进行人脸识别，而丢弃大尺度特征图像。考虑到大尺度图像中尚含有大量对人脸识别有用的信息，因此，该类技术丢弃大尺度特征图像将导致识别信息不足，此外，该类方法无法改善人脸图像的视觉效果。存在的方法中，有另外一类方法是对原始人脸图像直接进行光照矫正，产生标准光照条件下的人脸图像，此类方法能达到视觉效果上的改善。然而，光照变化主要影响到人脸图像的低频部分，该类方法在对整张图像进行光照矫正的同时可能对光照不变的细节成分进行了不必要的改变，从而会影响到人脸识别率。总之，上述两类方法均存在不足，而这些不足可以通过对两类技术进行结合来解决。

发明内容

本发明的目的在于提供一种在不同尺度特征图像上进行人脸光照规一化的方法，该方法实用性强、应用范围广、可明显提高人脸的识别率。

本方法首先运用对数域的总变分模型(logarithmic total variation model，下面简称LTV模型)将原始人脸图像分解为小尺度特征图像和大尺度特征图像；然后对受到光照变化影响的大尺度特征图像进行光照处理，其中，本发明将LOG-DCT技术(W.L.Chen，E.M.Joo and S.Wu.IlluminationCompensation and Normalization for Robust Face Recognition using DiscreteCosine Transform in Logarithm domain.IEEE Transactions on Systems，Manand Cybernetics，Part B，36(2)：458～466，2006)应用于对大尺度特征图像进行光照矫正；对小尺度特征图像进行带阈值的最小值滤波；最后运用处理过的不同尺度特征图像合成得到光照规一化后的人脸图像。本方法克服了背景介绍中两类光照处理方法的不足，对人脸图像进行光照处理能够获得特别高的人脸识别率，同时为人脸光照处理技术提出了一个新的框架思路。

本发明主要通过下述技术方案实现：在不同尺度特征图像上进行人脸光照规一化的方法，包括下述步骤：

①对输入的人脸灰度图像进行对齐裁剪处理。即对每张人脸图像，先检测定位该人脸的三个特征点(两只眼睛的瞳孔中心点和嘴巴的中心点)，通过旋转使得每张人脸的两只眼睛处于水平位置，再运用双插值算法拉伸图像，使得这三个特征点位于图像的固定位置，最后将图像裁剪为统一大小。

②用LTV模型对人脸图像进行分解，对每张裁剪对齐后的人脸图像I，对其进行对数变换

f(x，y)＝logI(x，y)    (1)，

求解以下变分模型：