一种人脸图像光照补偿方法技术

本发明专利技术公开了一种人脸图像光照补偿方法，包括：步骤1：对原始图像进行经典retinex光照补偿。步骤2：进行边缘检测，根据式(13)判断伪边缘，利用式(17)并标记出伪边缘对应的低照度区域C(x，y)。步骤3：根据式(14)、(16)求结构张量及其对应的特征值μ1、μ2。步骤4：重新给μ1、μ2赋值，将步骤2及步骤3得到的值带入式(20)。步骤5：改进Retinex算法的环境函数，对原始图像进行光照处理，利用式(5)得出光照补偿后的图像。本发明专利技术能够克服传统Retinex和PCNN在光照补尝中不能消除阴影和引起雾化现象等不足，一定程度上效淡化图像中的阴影、消除阴影边缘，并使细节信息得到展现，提高人脸识别率，降低人脸误判率。

【技术实现步骤摘要】
一种人脸图像光照补偿方法
本专利技术涉及人脸识别技术，尤其涉及一种人脸图像光照补偿方法。
技术介绍
相比于其它生物特征识别技术，人脸识别由于其非接触性而得到广泛应用。随着其应用范围的扩大，人脸识别的应用环境越来越复杂，尤其是光照不均的人脸图像。现有的人脸识别算法对正常光照下的人脸识别具有较高的成功率，然而，对于光照变化环境下的人脸识别就不能较好地满足应用的需要。并且，随着数码技术的发展，采集的人脸图像的信息越来越丰富，对于光照变化环境下既有高光又有局部信息无法辨认的暗区的人脸图像，很多有利于人脸识别的信息不能有效提取，同时带来一些干扰信息(比如光照变化引起的人脸伪边缘)，使得人脸识别在非均光照下识别率较低而误判率较高，因此研究一种有效的非均匀光照环境下人脸图像的光照处理方法是一个值得研究和探索的课题。目前，国内外学者在针对低照度非均匀光照环境下人脸图像的光照处理中已取得不少成果。主要分为两大类：采用图像增强方法和重新构造光源模型，重新构造光源模型需要大量处于不同光照环境下的图像，数据量大，计算复杂，使用范围受到一定程度的限制。对于图像增强的方法，从初期的空域变换方法到频域、梯度域方法，再到不同颜色空间的彩色图像光照处理方法。如经典的直方图均衡化方法；基于入射分量和反射分量的算法也得到广泛应用，在此基础上的同态滤波算法和Retinex算法得到广泛关注并取得很好的处理效果；随着研究的深入，小波理论成了图像光照处理的热点；基于变分和偏微分方程的方法也日益深入；近来，模拟人眼视觉系统对图像的感知能力的脉冲耦合神经网络模型也成了图像光照处理的主流之一。上述方法能够提升图像的整体亮度，恢复阴影区域的细节信息，但仍然存在一定的不足：1)涉及的参数很多，不易选取，如果参数选取不当，效果会不理想；2)对比度不强，丢失了一些纹理细节信息，阴影边缘不能完全消除。Retinex算法早期用于去雾，能改善清晰度，丰富图像的细节信息，达到更舒适的视觉效果。但对于同时含有低亮度、高亮度和阴影区域的图像，这种方法存在雾化现象，并且处理后的图像仍可看到阴影的存在。由葛微、李桂菊、程宇奇等出版的《利用改进的Retinex进行人脸图像光照处理》的文献提出自适应平滑Retinex算法，这种方法在平滑光照边缘的同时使一些局部细节信息被平滑了；Weickert结构张量能够对图像的线性结构和均匀结构进行判断；Saint-marc等提出了一个具有各向异性扩散特性的指数函数。传统Retinex方法的原理如下：基于光的反射原理，Land等人于20世纪70年代提出了Retinex理论，将人眼视觉中的颜色恒常性和稳定的亮度感知能力用理论模型表达出来。Retinex算法早期用于去雾，取得很好的效果。基于入射分量和反射分量的多尺度Retinex图像光照处理算法能改善清晰度，丰富图像的细节信息，达到更舒适的视觉效果。根据Retinex理论，图像由入射分量和反射分量构成，数学表达式为：S(x，y)＝L(x，y)×R(x，y)式(1)式(1)中，S(x，y)代表原图像，L(x，y)表示入射分量，R(x，y)表示反射分量。入射函数L(x，y)用来描述周围环境的亮度，反映了图像中的低频信息。而反射函数R(x，y)体现了物体的反射能力，与光照无关，反映图像中的高频信息。对式(1)两边取对数，得：log(S(x，y))＝log(L(x，y))+log(R(x，y))式(2)这样处理后将两者的乘积关系转换成简单的相加关系。运用Retinex理论对图像进行处理的方法，都是围绕怎样准确地估计出光照分量L(x，y)，从而得到反射分量R(x，y)，来达到光照补偿的目的。即：log(R(x，y))＝log(S(x，y))-log(L(x，y))式(3)Jobson等定义了单尺度Retinex(SSR)算法，该算法的表述如下：式(4)中，R(x，y)是输出图像，S(x，y)是原图像，log为自然对数，F(x，y，c)称为环境函数，代表卷积操作，常量c是尺度参数，就是对光照分量的估计。由于SSR不能同时实现图像动态范围压缩和色调再现，为了克服这种不足，研究者们给不同尺度下的SSR分配合适的权值，通过对SSR的加权求和得到多尺度Retinex算法(简称MSR)，该方法表述如下：式(5)中，是光照补偿后的输出图像；i表示光谱带的序号，M表示光谱带个数；Ii(x，y)是原始图像；wn是权重因子，一般n取3；Fn(x，y，cn)称为环境函数；代表卷积操作；Kn是满足积分条件的系数。对于同时含有低亮度、高亮度和阴影区域的图像，多尺度Retinex算法不能有效地去除阴影边缘。葛微等提出的基于Retinex算法，将梯度域的传导函数引入Retinex算法中，提出了改进的自适应平滑Retinex算法，将人脸的主要特征突显出来；但他们在设计传导函数时只考虑了单向的扩散，在平滑光照引起的伪边缘的同时将一些有用的边缘信息也平滑了，并且图像中有大量的椒盐噪声；唐磊等提出的针对路面图像阴影提出了基于中心环绕的各向异性Retinex算法，这种算法对于灰度比较均匀，只有阴影和非阴影两大块的图像，取得令人赞许的效果；但对于人脸这种灰度级多、纹理信息丰富、非刚性对象，这种方法就不适用了。为了淡化大角度倾斜光照下人脸图像中的阴影，对光照引起的人脸伪边缘的判断就是基础而关键的一步了。
技术实现思路
本专利技术的目的：提供一种人脸图像光照补偿方法，针对大角度斜光照、较暗环境下的图像，在判断出人脸真实边缘和伪边缘的基础上，引入Weickert结构张量确定图像的线性结构和平滑区域并重新赋值，将所得的结果代入Saint-marc的各向异性扩散函数来改进Retinex算法，在增强人脸边缘信息的同时平滑了光照引起的伪边缘，使图像中阴影区域的细节信息得到很好展现。为了实现上述目的，本专利技术的技术方案是：一种人脸图像光照补偿方法，该方法至少包括如下步骤：步骤1：对原始图像进行经典retinex光照补偿。步骤2：对步骤1得到的图像进行prewitt边缘检测，根据式(13)判断伪边缘，利用式(17)并标记出伪边缘对应的低照度区域C(x，y)。{C(x，y)|(s≥3且(xi，yi)＝(width-xi，yi))∪|Δt(i)|＜0.5∪xim＞xi＞x0∪xim＜xi＜x0∪yim＞yi＞y0∪yim＜yi＜y0}式(13)其中，C(x，y)为伪边缘所在的图像区域。步骤3：根据式(14)、(16)求Weickert结构张量及其对应的特征值μ1、μ2。其中，kρ为标准差为ρ的高斯函数，*表示kρ与的元素逐个卷积，局部张量Jρ存在规范正交的两个特征向量γ1，γ2。步骤4：重新给μ1、μ2赋值，将步骤2及步骤3得到的值带入式(20)。步骤5：改进Retinex算法的环境函数，将式(5)中的环境函数用式(20)代替，对原始图像进行光照处理，利用式(5)得出光照补偿后的图像。上述的人脸图像光照补偿方法，其中，在所述的步骤2中，还包括如下分步骤：步骤2.1：提取长度为前三且布局对称性的边缘，计算图像离散曲率。一条数字曲线P由一系列离散像素点Pi构成，可以用两条一维的离散曲线来表示，即：P＝{Pi＝(xi，yi)|i＝0，1，2，…，n-1}式(6)式(6)中，n本文档来自技高网...

【技术保护点】
一种人脸图像光照补偿方法，其特征在于：该方法至少包括如下步骤：步骤1：对原始图像进行经典retinex光照补偿；步骤2：对步骤1得到的图像进行prewitt边缘检测，根据式(13)判断伪边缘，利用式(17)并标记出伪边缘对应的低照度区域C(x，y)；{C(x，y)|(s≥3且(xi，yi)＝(width‑xi，yi))∪|Δt(i)|＜0.5∪xim＞xi＞x0∪xim＜xi＜x0∪yim＞yi＞y0∪yim＜yi＜y0}                  式(13)

【技术特征摘要】
1.一种人脸图像光照补偿方法，其特征在于：该方法至少包括如下步骤：步骤1：对原始图像进行经典retinex光照补偿；步骤2：对步骤1得到的图像进行prewitt边缘检测，根据式(13)判断伪边缘，利用式(17)并标记出伪边缘对应的低照度区域C(x，y)；{C(x，y)|(s≥3且(xi，yi)＝(width-xi，yi))∪|Δt(i)|＜0.5∪xim＞xi＞x0∪xim＜xi＜x0∪yim＞yi＞y0∪yim＜yi＜y0}式(13)其中，C(x，y)为伪边缘所在的图像区域；步骤3：根据式(14)、(16)求Weickert结构张量及其对应的特征值μ1、μ2；其中，kρ为标准差为ρ的高斯函数，*表示kρ与的元素逐个卷积，局部张量Jρ存在规范正交的两个特征向量γ1，γ2；步骤4：重新给μ1、μ2赋值，将步骤2及步骤3得到的值带入式(20)；步骤5：改进Retinex算法的环境函数，将式(5)中的环境函数用式(20)代替，对原始图像进行光照处理，利用式(5)得出光照补偿后的图像。2.根据权利要求1所述的人脸图像光照补偿方法，其特征在于：在所述的步骤2中，还包括如下分步骤：步骤2.1：提取长度为前三且布局对称性的边缘，计算图像离散曲率；一条数字曲线P由一系列离散像素点Pi构成，可以用两条一维的离散曲线来表示，即：P＝{Pi＝(xi，yi)|i＝0，1，2，…，n-1}式(6)式(6)中，n为曲线P的像素点个数；以像素点Pi为中心，半径为R＝2的区域内计算曲率：设Pi前后两个区域中心像素Pi-R，Pi+R构成的向量的方向角为θi-R、θi+R，则中心像素Pi处的曲率角和曲率为：θi＝θi+R-θi-R式(9)ki＝[θi+R-θi-R]/2式(10)；对曲线p取5个点的曲率，用分别表示曲线p第三个、中间段取的三个和倒数第三个像素点的曲率，选取其中位置靠近曲率大小最接近的三个点的曲率的平均值做为曲线p的最终曲率kp：其中，中j的取值满足满足：步骤2.2：计算图像离散斜率，提取斜率基本不变的边缘；边缘的离散斜率的变化以点Pi为中心，在直径为2R的区域上计算：若|Δt(i)|＜t，判断为是一条直线，即该边...

【专利技术属性】
技术研发人员：杨梅，谭泽富，邱刚，李春莉，
申请(专利权)人：重庆三峡学院，
类型：发明
国别省市：重庆,50