[发明专利]基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法

说明书

本发明公开了一种基于色彩纠正和脉冲耦合神经网络的人脸图像增强方法，该方法包含以下步骤：对人脸图像进行色彩纠正，将图像中偏暗、偏亮、色彩失真的人脸图像进行色彩纠正，得到类似于自然场景下的RGB色彩空间中的人脸图像；将色彩纠正后的人脸图像从RGB空间变换到HSI色彩空间，得到色调H、色饱和度S与亮度I三个图像分量；对亮度分量I，利用脉冲耦合神经网络对其进行增强，得到增强后的亮度分量EnI；将增强后的亮度分量EnI与色调分量H、色饱和度分量S做HIS空间到RGB空间的逆变换，得到RGB空间中增强后的人脸图像。本发明的有益效果在于有效改善图像色差问题，增强人脸图像的细节。

技术领域

本发明涉及一种人脸图像增强的方法，具体涉及一种基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法。

背景技术

人脸图像增强是图像增强领域的一个研究分支，是当前模式识别与信息识别的研究热点之一。在众多生物信息身份鉴别技术中，人脸识别是一种具有众多优势的技术，人脸识别在身份验证、人机交互等应用中发挥着重要作用。但众多人脸识别技术对人脸图像的要求较高，比如光照、人脸角度、人脸成像质量等，因此，人脸图像增强技术仍为一个重要的热点研究领域。

人脸图像增强一般是对视频中的人脸图像对象进行处理，如动态视频序列中的人脸图像或静态场景下的人脸图像。人脸图像增强的目的是使在不同光照、不同角度、不同拍摄环境下的人脸图像经过色彩纠正，进行图像细节增强，从而使图像质量得到提升，为进一步的人脸识别、人脸分类等做好基础工作。在实际的图像增强应用中，通常对人脸图像直接进行增强，这样会带来一些问题，如在夜晚或光照条件不好的情况下采集到的人脸图像增强后同样会放大图像中的噪声，无法有效改善图像清晰度。近年来，提出许多在不同色彩空间下的图像增强方法，如在HSI、HSV等色彩空间下，对图像的亮度分量进行增强，这些增强方法可以有效改善图像的清晰度，但是对于有色差的人脸图像无法有效改善图像的色彩分布情况。另一些基于多分辨率分解的图像增强方法，这类算法将原图分解到多尺度空间中，对不同层次的图像细节分别进行增强，此类算法也可以有效增强图像细节信息，但对于色彩失真等情况仍无法改善。

发明内容

本发明主要针对人脸图像增强问题，为解决现有技术存在的上述问题，本发明提供了一种基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法。

为了实现上述目的，本发明采用以下技术方案：

基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法，本发明包括以下步骤：

步骤1对人脸图像进行色彩纠正，将图像中偏暗、偏亮、色彩失真的人脸图像进行色彩纠正，得到类似于自然场景下的RGB色彩空间中的人脸图像。

步骤1包含以下步骤：

步骤1.1，选取一个自然场景下的人脸参考图像R

步骤1.2，将待增强人脸图像I与参考图像R，依序利用公式(1)-(3)：

从RGB色彩空间转换到lαβ色彩空间，分别得到在lαβ色彩空间中的三个分量l、α、β，其中，l表示亮度(Luminosity)，α表示从洋红色至绿色的范围，β表示从黄色至蓝色的范围。

步骤1.3，分别计算待增强图像I与参考图像R在lαβ色彩空间中三个分量的均值与方差，并分别用与表示。

步骤1.4，利用公式(4)，根据参考图像R的色彩分布模式，对待增强图像I的色彩分布进行转换，得到近似于自然场景下色彩分布的人脸图像：

其中，l^*、α^*、β^*分别表示转换后的lαβ色彩空间中的三个分量。