[发明专利]基于变形高斯核函数的自适应强光人脸图像纹理恢复方法

摘要

本发明公开了一种基于变形高斯核函数的自适应强光人脸图像纹理恢复方法，概括为：1、首先提取图像中的人脸区域；2、利用自适应二值化技术将人脸图像分割为强光区与次强光区；3、针对图像中的强光区、次强光区、图像边界、强光区与次强光区的边缘，在高斯模板尺寸范围内，分析各部分纹理分布情况，并以此对高斯核函数进行变形；4、将变形后的高斯核函数与原始图像各部分进行卷积运算，求得光照分量，随后将之与原始图像通过对数变换，相减，逆对数变换操作得到初始的纹理恢复图像；5、如果原始图像是灰度图像，则进行增益/补偿操作，得到最终结果，如果是彩色图像，则进行颜色恢复和增益/补偿操作，得到最终结果。

主权项

1.一种基于变形高斯核函数的自适应强光人脸图像纹理恢复方法，其特征在于，包括以下步骤：步骤1：提取强光图像中的人脸区域；步骤2：记提取出的人脸区域图像为F_i，利用自适应二值化技术将人脸区域图像分割为强光区与次强光区，则图像F_i(x,y)中的强光区为F_i^强光，次强光区为F_i^次强光，边界区域为F_i^边界，其中F_i^边界包括两部分，即图像边缘F_i^图像边缘、F_i^强光与F_i^次强光的边界E_i，其中i为1，表示提取出的人脸区域图像为灰度图像，(x,y)为像素的坐标；步骤3：定义具有高、中、低三个尺度参数的高斯核函数为G^k，变形高斯核函数为高斯模板尺寸为7×7，则有其中高、中、低尺度参数{c_k}取值为{15，80，250}，k取1、2、3，K为归一化因子，e为指数函数的底，使得在高斯模板尺寸范围内∫∫G^k(x,y)dxdy＝1，α(G)代表对函数G旋转α角度；步骤4：以待处理像素为中心，记尺寸大小为7×7的高斯模板范围内的各像素为P_l(l＝1,2,…,49)，则待处理的中心像素为P₂₅，分情况求取旋转角度α：对于位于强光区F_i^强光且不在边界区域F_i^边界内的像素P₂₅，分别计算其周边八个3×3邻域的平均值，记录八个平均值中的最大值，如果最大值只存在一个，则高斯核函数旋转的角度α即为像素P₂₅与该邻域中心像素点所构成矢量的方向，如果最大值存在多个，则高斯核函数旋转的角度α即为像素P₂₅与最大值所处邻域中心像素点所构成的各矢量和的方向；对于位于次强光区F_i^次强光且不在边界区域F_i^边界内的像素P₂₅，分别计算其周边八个3×3邻域的平均值，记录八个平均值中的最小值，如果最小值只存在一个，则高斯核函数旋转的角度α即为像素P₂₅与该邻域中心像素点所构成矢量的方向，如果最小值存在多个，则高斯核函数旋转的角度α即为像素P₂₅与最小值所处邻域中心像素点所构成的各矢量和的方向；对于位于强光区F_i^强光且在边界区域F_i^边界内的像素P₂₅，仅记录强光区及高斯模板范围内像素值最大的像素为P_j，如果j等于25，则高斯核函数无需变形，如果j不等于25且P_j只存在一个，则高斯核函数旋转的角度α即为矢量的方向，如果如果j不等于25且P_j存在多个，则高斯核函数旋转的角度α即为各矢量和的方向；对于位于次强光区F_i^次强光且在边界区域F_i^边界内的像素P₂₅，仅记录次强光区及高斯模板范围内像素值最小的像素为P_j，如果j等于25，则高斯核函数无需变形，如果j不等于25且P_j只存在一个，则高斯核函数旋转的角度α即为矢量的方向，如果如果j不等于25且P_j存在多个，则高斯核函数旋转的角度α即为各矢量和的方向；步骤5：根据上步骤中分情况对高斯核函数进行旋转变形后，对于F_i^强光、F_i^次强光、F_i^强光与F_i^次强光的边界E_i，将变形后的高斯核函数与之进行卷积运算，其中“*”代表卷积运算，对于边界区域中的图像边缘部分F_i^图像边缘，先计算以边缘部分上像素点为中心的高斯模板范围内且处于图像内像素的均值，以此均值作为位于高斯模板范围内且处于图像外像素点的值以扩充图像边缘，再将变形后的高斯核函数与扩充后的F_i^图像边缘进行卷积运算步骤6：将分区域计算得到的与拼合为整幅图像，则整幅图像的光照分量为L_i,k，再通过下式求得最终拟合的光照分量L_i步骤7：记待恢复的人脸纹理图像为T_i，根据朗伯光照定理，则有F_i＝T_i×L_i其中F_i为原始强光人脸图像，转换为对数表示，则有log(F_i)＝log(T_i×L_i)＝log(T_i)+log(L_i)log(T_i)＝log(F_i)‑log(L_i)再经过反对数变换得到T_i；步骤8：对T_i进行增益/补偿操作，即线性灰度拉伸，得到最终的纹理恢复图像。