[发明专利]一种面向识别的远距离人脸图像增强方法

说明书

本发明公开了一种面向识别的远距离人脸图像增强方法，属于图像处理和人脸识别技术领域。本发明利用聚类算法将图像分块，对每一个图像块做基于伽马变换和对数变换相结合的非线性变换，从而增加图像的局部对比度，消除光照对图像的影响，恢复因距离因素丢失的高频分量，进而较好的恢复人脸图像细节信息。本发明方法利用图像非线性变换克服了光照和距离对图像质量的影响，当应用到人脸识别处理时，可以利用卷积神经网络进行稳健特征提取，然后计算特征的相似度进行识别，较大程度上提高了远距离人脸识别准确率。

技术领域

本发明属于图像处理和人脸识别技术领域，具体涉及一种面向远距离的人脸图像增强方法。

背景技术

近几年，由于社会的发展，科技的进步，身份自动识别越来越成为时代的要求。人脸作为最重要的生物特征，其识别问题一直被研究者所青睐，尤其随着大数据的到来，取得了很大的进步，人脸识别技术有着十分广泛的应用范围和落地场景。目前近距离人脸识别已经发展相对成熟，许多理论方法和实际系统设备都日趋完善。但是由于大部分的算法集中在近距离拍摄的人脸图像的情况，这种条件下，环境光照、图像清晰度、人脸姿态基本都是可控的。实际上现有的人脸识别系统由于受到图像质量，环境变化和实验对象不可控等因素的影响，大多无法满足远距离识别的要求，对于远距离分辨率比较低的人脸图像的识别一直面对着比较大的挑战。在现实应用中，光照、角度和天气等因素对识别结果有着一定的影响，特别是以监控应用为背景的远距离人脸识别。并且远距离情形下被拍摄对象基本上是处于一种自然非合作的状态，采集到的人脸图像除了分辨率低、模糊外，还有姿态偏转、遮挡等问题，这造成数据库中的清晰图像和监控系统实际获取的真实画面间存在着明显的差距。远距离人脸识别的技术难点主要有：1)户外背景复杂多变；2)光线影响；3)人脸姿态与表情影响；4)脸部像素点较少，细节表现不充分。

综合各种因素的影响，人脸定位已经十分困难，更难以提取高质量的面部特征进行识别，导致人脸识别准确率随着距离的增加大大降低。针对这种情况，不少研究者做出了相应的努力，主流方法是首先对图像预处理，最大化恢复人脸细节特征，然后再抽取特征进行分类。图像增强用以增强图像中的有用信息，改善图像的视觉效果，有目的的强调图像的整体或局部特征，普遍做法是利用某种变换或者某种规律改变图像的像素分布。人脸图像预处理方法在整个远距离人脸识别系统中至关重要，直接影响提取特征的有效性，进而影响人脸识别的准确率。

申请号为201610544157.X的中国专利申请公开了一种人脸图像可变分块和LGBP(局部Gabor二值模式)相结合的识别方法，其主要步骤包括提取图像、Gamma图像校正、带通滤波处理、对比度归一化处理、Gabor滤波处理、生成VBLGBP直方图序列，最后匹配人脸数据库，该方法通过对人脸图像预处理克服光照的影响，通过引入人脸重点区域可变分块和Gabor滤波后统计LBP分量克服了人脸姿态和表情的影响，提高了单样本人脸识别的精确率。但是，该方法图像预处理模块只是简单的削弱光照对图像的影响，无法处理因距离因素对图像造成的影响，例如边缘弱化以及局部对比度较低等。

文献“Ana Belen Petro,Catalina Sbert,Jean-Michel Morel.:Multiscaleretinex.Image Processing On Line(IPIL),pp.71-88(2014).”提出利用多尺度Retinex图像增强算法(MSRCR)对远距离图像进行增强，该算法基本理论为图像是由携带光照信息的光照分量和携带图像细节信息的反射分量组成，通过计算光照分量并消除光照影响，从而得到反射分量，达到细节恢复的目的。该算法基于光照均匀的假设，认为光照分量可以通过高斯滤波得到。另外由于高斯卷积核参数无法进行理论建模，并对每一个通道进行多个不同尺度的滤波，最终结果为各滤波输出的累积。但是，MSRCR图像增强方法需要处理参数较多，参数选择对图像质量有较大的影响。并且对参数选择缺少理论依据，参数选择不当，容易造成图像失真的现象，反而会降低图像的质量。