[发明专利]一种图像处理方法和装置

说明书

本申请提供一种图像处理方法和装置，其中，所述方法包括：提取待处理图像的X个幅值图像，对同一尺度上不同方向的多个幅值图像进行融合，得到Y个融合后的幅值图像；对所述Y个融合后的幅值图像进行编码，根据每个幅值图像的局部特性为编码后生成的各个特征值分配权重，得到所述Y个融合后的幅值图像对应的具有权重信息的Y个统计直方图，将所述Y个统计直方图级联，形成所述待处理图像的特征向量。本申请提供的技术方案适用于复杂环境内的图像识别，实现了更具有普适性的图像识别机制。

技术领域

本申请涉及图像识别技术领域，特别涉及一种图像处理方法和装置。

背景技术

多年来，人脸识别技术虽然取得了很大的进展，但是实际场景的不可控因素(如摄像机、光照、遮挡、角度、年龄、表情等)给人脸识别系统的识别率带来了巨大的挑战，因此提高识别系统的鲁棒性和识别率就成了重要目标之一。人脸识别过程的核心是特征提取算法，而提高人脸识别精度的通常方法是寻找一种高鲁棒的特征提取算法。

在计算机视觉领域，已经围绕图像特征描述、提取开展了许多研究工作，提出了各种适用于人脸识别(FR)的图像局部特征描述子，其中主要有Gabor小波变换，局部二值模式(LBP)，局部三值模式(LTP)，尺度不变特征变换(SIFT)，加速鲁棒特征(SURF)，定向梯度直方图(HOG)等。其中，Gabor小波变换的内核与哺乳动物皮质简单细胞的2D感受野外形相似。Gabor小波变换具有空间局部性和方向选择性的优良特性，并且能够在空间和频域中实现最优化定位。虽然Gabor小波变换算法提取的特征对人脸识别的精度有一定的提高，但是对噪声和非受控条件下的各种影响因素的鲁棒性不好。此外，原始的Gabor小波变换会根据尺度和方向的数量产生他们乘积级别的特征图像，这在识别过程中容易导致维数灾难，因此研究者们提出了一些改进的Gabor小波变换算法。

LBP是一种经典的特征描述子，被广泛应用于模式识别和图像分类。它以循环顺序的方式编码像素与其周围邻域像素之间的关系。这种特征描述子通过将目标像素周围的像素值与中心像素进行比较进而对中心像素值重新编码，以此加强对纹理特征的表示能力，减少其对中心像素值的依赖。它的编码过程如图1所示，其中，n_c表示局部邻域的中心像素的灰度值，n_i是半径为R的圆上的N个等间隔像素的值。为了适应不同尺度的纹理特征，将3*3的邻域扩展到任意大小邻域，并用圆形邻域代替了正方形邻域，改进后的LBP算子允许在半径为R的圆形邻域内有任意多个像素点。从而得到了半径为R的圆形区域内含有N个采样点的LBP算子。LBP算子具有对光照较为鲁棒且计算相对简单的优点，因此适合描述图像局部区域。然而，LBP算子倾向于产生相当长的直方图，并且对于图像的纹理平坦光滑区域不够稳健。

因此，有人提出了一种改进的LBP描述子，即CS-LBP描述子。它是一种通过比较关于中心像素点对称的邻域点的灰度值来进行编码的纹理描述子。CS-LBP算子只关心目标像素周围的像素关系，与目标像素值本身无关，因此该算子对纹理平坦区域的描述较为鲁棒。它的编码过程如图2所示，其中，n_i和n_i+N/2表示在半径为R的圆上N个等间距像素的中心对称像素对的灰度值。CS-LBP特征描述子虽然相比LBP降低了特征的描述维度并提升识别效率，但两者都存在一个问题，无法获得区分更多细节的尺度和方向信息。有人将LBP二值编码拓展到三值编码，提出局部三值模式(LTP)，对光照和噪声干扰具有更好的鲁棒性。然而LTP提取的特征维度远超LBP特征描述子提取的特征维度，约为其25倍，极大的增加了特征提取这一过程的计算复杂度，从而影响到识别效率。这对中间过程的特征表示带来一定的困难，同时也影响了识别的效率。

发明内容

有鉴于此，本申请实施例提供了一种图像处理方法和装置，以解决现有技术中存在的缺陷。

本申请实施例公开了一种图像处理方法，包括：

提取待处理图像的X个幅值图像，对同一尺度上不同方向的多个幅值图像进行融合，得到Y个融合后的幅值图像，其中YX；