[发明专利]在不同尺度特征图像上进行人脸光照规一化的方法

摘要

本发明公开了一种在不同尺度特征图像上进行人脸光照规一化的方法，首先运用对数域的总变分模型将原始人脸图像分解为小尺度特征图像和大尺度特征图像；然后对受光照变化影响较大的大尺度特征图像进行光照处理，对小尺度特征图像进行带阈值的最小值滤波；最后运用处理过的不同尺度特征图像合成得到光照规一化后的人脸图像。本发明主要在受光照变化影响较大的大尺度特征图像上进行光照规一化，避免对光照不变的小尺度特征进行更改而影响人脸识别率，此外没有丢弃受光照影响的人脸大尺度特征，避免了仅用人脸小尺度特征进行人脸识别而导致识别信息不足的问题。本发明算法易于实现，不需对人脸图像进行严格对齐，也不需要任何训练样本，符合各种实际应用要求。

主权项

1、在不同尺度特征图像上进行人脸光照规一化的方法，其特征在于，它的步骤包括：1)对输入的人脸灰度图像进行对齐裁剪处理，分为三步进行：(1)对每张人脸图像，先检测定位该人脸的三个特征点：两只眼睛的瞳孔中心点和嘴巴的中心点；(2)通过旋转使得每张人脸的两只眼睛处于水平位置；(3)运用双插值算法拉伸图像，使得这三个特征点位于图像的固定位置，最后将图像裁剪为统一大小；2)用LTV模型对人脸图像进行分解：对每张裁剪对齐后的人脸图像I，对其进行对数变换f(x，y)＝logI(x，y) (1)，求解以下变分模型：$u=\arg \underset{u}{\min }\int |▿u|+\lambda {\left|\right|f-u\left|\right|}_{L^1}\mathrm{dx}---\left(2\right)以及v＝f-u\; (3)，此时得到人脸的大尺度特征图像S和小尺度特征图像\rho ：S＝exp(u)，\rho ＝exp(v)\; (4)；3)对小尺度特征图像\rho 进行带阈值的最小值滤波；4)在对数域去掉大尺度特征图像的若干低频离散余弦变换(DCT)系数：即对u进行DCT，记DCT系数为C(\alpha ，\beta )，\alpha ＝0，1，\dots ，M，\beta ＝0，1，\dots ，N，其中M、N为人脸图像的长和宽，然后将频域原点周围n2\; 个DCT系数设置为0，C(\alpha ，\beta )＝0，\alpha ＝0，1，\dots ，n，\beta ＝0，1，\dots ，n\; (5)，通过反DCT变换得到，最后进行指数变换获取光照规一化后的大尺度特征图像Snorm：$ S_{\mathrm{morm}}(x,y)=\exp \hat{u}(x,y)---\left(6\right);5)合成光照规一化后的人脸图像：Inorm(x，y)＝\rho \prime (x，y)Snorm(x，y)\; (7)。$$