[发明专利]基于拉普拉斯金字塔的人脸图像融合方法

说明书

技术领域

本发明涉及一种基于拉普拉斯金字塔的人脸图像融合方法，属于人脸识别技术。

背景技术

在某些情况下，可见光传感器采集的图像会严重受到光照条件的影响，这给图像的进一步处理和分析造成了很大的不便，例如人脸检测和识别。而近红外传感器采集的图像有对光照影响不敏感的优点。因此可以应用多传感器图像融合技术在一定程度上消除光照对于图像的影响。

随着新的图像传感器技术的发展，多传感器图像融合技术也得到了蓬勃的发展。至今为止，出现了许多性能优良的融合技术，如简单加权融合技术，基于主分量分析的融合技术，假彩色融合技术，基于神经网络的融合技术和多分辨率分解融合技术等。其中多分辨率融合技术处于佼佼者的地位。

作为一种新兴的图像处理技术，多传感器图像融合技术涉及了多个领域，例如模式识别，人工智能，图像处理等各个方面。并因为其强大的图像处理功能在遥感，计算机视觉，医学图像处理和军事方面有着广阔的应用前景。虽然利用两幅或多幅图像进行图像融合的技术已经取得显著得成果，但是如何得到更精确、更清晰稳定、带有更多有用信息的图像仍然是多传感器图像融合技术亟待解决的问题。

发明内容

本发明的内容在于建立一种基于拉普拉斯金字塔的人脸图像融合方法，用于获得一幅高清晰度、便于人眼观察、对光照鲁棒性好的图像，为直接应用或者进一步的处理提供优秀的图像源。为了达到上述目的，本发明的技术解决方案提供了一种基于拉普拉斯金字塔的人脸图像融合方法，本发明在基于拉普拉斯金字塔分解的基础上，将改进的局部二值模式(Local Binary Pattern，简称LBP)算子应用于融合规则，从而对红外和可见光人脸图像进行有效融合得到细节信息丰富、清晰稳定、便于人眼观察的融合图像。如图1所示，该方法包含如下步骤：

步骤一：分别用近红外摄像头和可见光摄像头采集近红外人脸图像和可见光人脸图像；

步骤二：拉普拉斯金字塔分解；

将步骤一得到的近红外人脸图像和可见光人脸图像分别进行拉普拉斯金字塔分解；

步骤三：融合近红外人脸图像和可见光人脸图像；

基于局部二值模式，即基于简称为LBP算子的融合规则，将从步骤二中得到的近红外拉普拉斯金字塔人脸图像和可见光拉普拉斯金字塔人脸图像进行融合；

步骤四：逆拉普拉斯金字塔分解；

将从步骤三中得到的融合结果进行逆拉普拉斯金字塔分解，得到融合人脸图像；

步骤五：融合人脸图像输出；

将从步骤四中得到的融合人脸图像输出。

本发明的优点在于：

(1)在基于拉普拉斯金字塔分解基础上，将改进的局部二值模式(Local BinaryPattern，简称LBP)算子应用于融合规则；

(2)对红外和可见光人脸图像进行有效融合可以得到细节信息丰富，清晰稳定，便于人眼观察的融合图像；

(3)与可见光图像和近红外图像相比较，融合图像的信息熵更大，而平均交叉熵和均方根交叉熵更小，融合图像的效果就更明显。

附图说明

图1为本发明基于拉普拉斯金字塔的人脸图像融合方法示意图；

图2为本发明采用的LBP算子的不变一致性模式；

图3为本发明与现有技术的实验效果对比图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细说明。

图1所示为本发明基于拉普拉斯金字塔的人脸图像融合方法示意图，本发明所述方法包含如下步骤：

步骤一：分别用近红外摄像头和可见光摄像头采集近红外人脸图像和可见光人脸图像；

图像采集由一台近红外摄像头、一台可见光摄像头、一块图像采集卡和一台计算机来完成。近红外摄像头和可见光摄像头之间的距离经过调试确定之后，调整目标人物与摄像头之间的距离以获取两张像素上比较相近的图像，达到初步配准两幅图像的目的，之后再通过最大相关性原则对两幅图像进行精确配准并将其归一化为60乘60的大小。

步骤二：拉普拉斯金字塔分解；

将步骤一得到的近红外人脸图像和可见光人脸图像分别进行拉普拉斯金字塔分解，具体过程如下：

首先，构建高斯金字塔，以采集的图像为金字塔的第O层，第l层的图像通过对第l-1层图像进行隔行降采样获得，