[发明专利]一种基于伽马变换的韦伯人脸的光照归一化方法

说明书

本发明公开了一种基于伽马变换的韦伯人脸的光照归一化方法，首先对人脸图像I进行线性变换，得到图像I_i；然后对图像I_i进行伽马变换，得到图像接着利用高斯函数对图像进行求导，得到对进行邻域积分，得到R^γ；最后对R^γ进行归一化，得到最后的结果光照归一化的r。本发明提供基于伽马变换的韦伯人脸的光照归一化方法，使得局部光照相同的假设更加严谨；通过伽马变换使得假设条件更加完善和具有普适性，使得光照归一化的效果更好，提高人脸识别率。

技术领域

本发明属于图像处理和人脸识别领域，涉及一种人脸的光照归一化方法，具体涉及一种基于伽马变换的韦伯人脸的光照归一化方法。

背景技术

基于朗伯特反射模型([文献1])，人脸图像上坐标(x,y)点的像素I可以表示为：I(x,y)＝R(x,y)L(x,y)。其中R为反射人脸，L为光照分量。韦伯人脸(Weber Faces,WF)([文献2])假设局部光照相同，以局部求导，令L的局部导数为零，去除光照L的导数，以消除L的影响，再积分获得反射分量R。但是该假设在人脸图像上并不完全满足，尤其是光照突变处。

文献1：Basri R,Jacobs D W.Lambertian reflectance and linear subspaces[J].IEEE Transactions on Pattern AnalysisMachine Intelligence,2003,25(2):218-233.

文献2：Wang B,Li W,Yang W,et al.Illumination normalization based onWeber's Law with application to face recognition[J].IEEE Signal ProcessingLetters,2011:18(8):462:465.

发明内容

为了解决上述技术问题，本发明提供了一种基于伽马变换的韦伯人脸的光照归一化方法，可以去除人脸图像中的光照分量L，得到真实的反射人脸R。

本发明所采用的技术方案是：一种基于伽马变换的韦伯人脸的光照归一化方法，其特征在于，包括以下步骤：

步骤1：对人脸图像I进行线性变换，得到灰度值范围在0～1之间图像I_i；

步骤2：对图像I_i进行伽马变换，得到增强图像

步骤3：利用高斯函数对图像进行求导，得到

步骤4：对进行邻域积分，得到R^γ；

步骤5：对R^γ进行归一化，得到最后的结果即光照归一化的r；其中，r表示光照归一化后真实的反射人脸。

本发明提供基于伽马变换的韦伯人脸的光照归一化方法，使得局部光照相同的假设更加严谨。通过伽马变换使得假设条件更加完善和具有普适性，使得光照归一化的效果更好，提高人脸识别率。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的结果示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1，本发明提供的一种基于伽马变换的韦伯人脸的光照归一化方法，包括以下步骤：

步骤1：对人脸图像I进行线性变换，得到灰度值范围在0～1之间图像I_i；