[发明专利]极端光照人脸识别的光照归一化方法

权利要求书

1.一种极端光照人脸识别的光照归一化方法，其特征在于： 

分析灵长类动物视网膜模型的功能层，查阅已有视网膜模型，为基于视网膜的光照归一化模型的建立提供参考； 

利用Naka-Rushton方程式，为光照归一化模型的建立提供具体原理依据； 

在计算Naka-Rushton方程式中的适应因子时，适应因子在考虑光照差异的情况下进行估算； 

光照归一化处理部分将人脸图像分为低频和高频部分，进而分别采取不同的算法进行处理。 

2.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于：建立光照归一化模型：利用灵长类动物的视网膜模型，功能层包括感光器层、外部网状层OPL和内部网状层IPL，建立基于视网膜模型的光照归一化模型，包括两个连续的本地图像光照压缩和一个空间带通滤波。 

3.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于：Naka-Rushton方程式：通过在邻域上执行高斯滤波来计算每个像素，具体定义如下： 

其中，p是图像中的像素，X₀是在像素为p是的适应因子，X(p)是输入图像的强度，*表示卷积运算，G_H是一个二维高斯滤波器，对应于X图像的像素强度的平均值。 

4.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于：估算适应因子：I表示原始图像，A表示I的低频子带，DH、DV和DD分别表示I的高频子带； 

基于Otsu的光照分类在低频子带A上进行，假设t是由Otsu获得的阈值，A的光照条件可大约分为两类： 

M₁＝{A(x，y)|A(x，y)≥t}      (2) 

M₂＝{A(x，y)|A(x，y)＜t}      (3) 

其中，A(x，y)表示A在点(x，y)的强度； 

A的适应因子A_oρ定义如下： 

其中，G_ρ是高斯滤波，ρ是标准差，   和   分别是M₁和M₂的平均值。 

5.如权利要求1-4任一项所述的极端光照人脸识别的光照归一化方法，其特征在于：针对人脸识别的光照归一化，建立人类视觉模型： 

单级离散二维小波变换用来实现对人脸图像提取低频和高频信息； 

通过模仿视网膜信息处理机制来处理低频信息，并且大型高频系数由一个阈值截断； 

通过对适合的低频和高频信息求离散二维变换并取其倒数来获得光照归一化结果。 

6.如权利要求5所述的极端光照人脸识别的光照归一化方法，其特征在于： 

低频信息处理： 

第一步，建立感光层：低频子带A的处理方程式如下， 

其中，max_A-是A的最大值，是A在点(x，y)的适应因子，ρ₁是高斯滤波的标准差且A^p(x，y)是相应的输出； 

第二步，建立外部网状层：A^p的处理如下， 

其中，是A^p的最大值，是A^p在点(x，y)的适应因子，ρ₂是高斯滤波的标准差且A^o(x，y)相应的输出。 

第三步，边缘检测：采用空间带通滤波来模拟内部网状层信息处理，定义如下： 

其中，ρ_L和ρ_H是两个高斯函数的相应标准差，A^e表示图像的边缘。 

7.如权利要求5所述的极端光照人脸识别的光照归一化方法，其特征在于： 

高频信息处理： 

令H表示DH、DV或DD，高频子带的截断处理如下： 

t＝median(|H(x，y)|)              (10) 

其中，median(·)用来返回行列式|H|的中值，通过截断处理，高频子带分为DH′，DV′，DD′。