本发明专利技术公开了一种基于二次多项式光照模型的人脸光照对齐方法，包括以下步骤：（１）建立光照模型；（２）对所有训练图像以及目标图像均进行形状规一化；（３）训练系数矩阵Ａ↓［ｉ］和Ｂ↓［ｉ］，其中ｉ＝２，…，６４；（４）对目标人脸图像进行分解；（５）对目标人脸图像进行光照类型估计；（６）对目标人脸图像的光照分量进行对齐矫正；（７）目标人脸图像重构。本发明专利技术采用二次多项式描述了光照变化引起的图像变化，从而对基于ＬＴＶ模型的光照处理算法中丢弃的人脸图像光照分量进行了对齐矫正再次利用，在获得更高的人脸识别率同时达到人脸视觉效果的改善。
【技术实现步骤摘要】
本专利技术涉及一种人脸光照对齐方法，尤其涉及。
技术介绍
人脸技术在公共安全系统、身份鉴别、虚拟游戏等方面均有广泛应用，但是光照问题却是长期困扰该项技术实用化的主要原因之一。光照不均匀不仅影响视觉效果，而且严重影响人脸识别率。近二十年来，各种各样的光照处理技术被提出来用于人脸技术，但是其中大多数尚达不到实用要求或者不能适应多方面的应用要求。Terrence Chen等人于2006年提出基于LTV模型的光照处理算法，即在对数域用全变分模型提取人脸图像的反射分量用于人脸识别。由于反射分量对光照变化不敏感，所以基于LTV模型的光照处理算法能取得很高的人脸识别结果。但是实际上，用LTV模型分解得到的光照分量中仍然含有大量对人脸识别有用的信息，这些成分在基于LTV模型的光照处理算法中并没有用于人脸识别。另外该方法仅仅是提取光照不变量用于人脸识别，并没有达到人脸可视效果上的真正改善，这也限制了该方法的应用范围。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种实用性强、应用范围广、可明显提高人脸识别率的基于二次多项式光照模型的人脸光照对齐方法。本方法对基于LTV模型的光照处理算法中丢弃的光照成分进行了对齐矫正后利用，在获得更高的人脸识别率同时达到视觉效果的改善。本专利技术的目的通过下述技术方案实现，包括下述步骤 (1)建立光照模型。根据Yale B人脸库的采集条件，将人脸光照条件划分为64种，其中第1种为正面标准光照，对标准光照条件下的光照分量Lstandrad和任意一种光照条件下的光照分量Lobject，可以建立以下模型Lobject(x,y)=Ai(x,y)Lstandard2(x,y)+Bi(x,y),i=2Λ64Lstandard(x,y),i=1---(1)]]>(2)对所有训练图像以及目标图像均进行形状规一化处理。即对每张图像，先检测若干个特征点的坐标，通过旋转使得每张人脸的两只眼睛处于水平位置，再运用双插值算法拉伸图像，使得这些特征点位于图像的固定位置，最后将图像裁剪为同一大小；(3)训练系数矩阵Ai和Bi，i＝2Λ，64。用Yale B人脸库中的正面人脸采用最小二乘法对模型①进行训练，其中每张人脸图像的光照分量L用LTV模型分解获得(其分解过程见步骤(4))。第i种光照条件对应的系数矩阵Ai和Bi求解模型如下minAi(x,y),Bi(x,y)Σj=1m|Lj′(x,y)-Ai(x,y)·L2j(x,y)-Bi(x,y)|2]]>s.ta2Ai(x,y)+Bi(x,y)≤L‾′(x,y)-b2Ai(x,y)-Bi(x,y)≤-L‾′(x,y)Ai(x,y)>c---(2)]]>其中m为训练样本组数，L为标准光照条件下的人脸光照分量，L′为某特定光照条件下的人脸光照分量。a，b标记标准光照条件下光照分量的范围，即a≤L(x，y)≤b，c为一个大于0的数。另外L′(x，y)为训练样本平均值，即L‾′(x,y)=1mΣi=1mLi′(x,y)---(3);]]>(4)对目标人脸图像进行分解。对每张待进行光照对齐的人脸图像Iobject，根据光照—反射模型Iobject(x，y)＝Lobject(x，y)Robject(x，y)，用LTV模型对其进行分解可以得到光照分量Lobject和反射分量Robject。分解过程如下f(x，y)＝logIobject(x，y)＝log Robject(x，y)+log Lobject(x，y) ④，求解以下TV模型u=argminu∫|▿u|+λ||f-u||L1dx---(5),]]>便可得到Lobject≈exp(u)，Robject≈exp(f-u) ⑥，实际上步骤(3)中也是用同样的方法对所有训练样本进行分解。(5)对目标人脸图像进行光照类型估计。对步骤(4)中分解得到的光照分量Lobject，直接用主成分分析(principal component analysis，PCA)识别方法估计出Iobject的光照类型。即Iobject的光照条件与Yale B人脸库中的64种光照条件中的第i种最接近时，便记其光照类型为i，若光照类型为i＝1，则不用进行光照对齐。(6)对目标人脸图像的光照分量Lobject进行对齐矫正。根据步骤(5)中估计得到的光照类型i相应选取步骤(3)中训练得到的系数矩阵Ai和Bi，用以下式子对Lobject进行对齐矫正Laligned(x,y)=12,i=2,Λ,64Lobject,i=1---(7),]]>其中如果i＝1则不必再进行调整。(7)目标人脸图像重构。用步骤(4)中分解得到的反射分量Robject和步骤(6)中光照对齐后得到的光照分量Laligned重构最终图像Ialigned(x，y)＝Laligned(x，y)Robject(x，y) ⑧。本专利技术与现有技术相比具有如下优点和有益效果1、本专利技术提出的省掉一次项的二次多项式模型能很好描述光照变化引起人脸图像的光照分量变化，用以进行光照对齐的结果真正达到了视觉效果的改善。2、本专利技术方法对进行光照对齐的人脸图像不必进行严格的形状对齐，实际上，只需选取三个特征点进行简单的人脸形状对齐便可达到很好的光照对齐效果。而且提出的模型形式简单，非常容易实现。与基于LTV模型的光照处理算法相比，本专利技术方法有较大的改进，对用LTV模型提取的光照不变量Robject，本专利技术在整个算法过程中并没有对其进行任何不必要的调整。3、本专利技术利用到光照分量中对人脸识别有用的信息，在基于LTV模型的光照处理算法的基础上再次提高识别率。最重要的是，利用到光照分量，本方法进行光照对齐的结果真正达到了视觉效果的改善。附图说明图1为本专利技术方法的操作流程图。图2为本专利技术的2D训练图像以及目标图像形状规一化状态图；左为原人脸图；中为裁剪为112×92象素的人脸图；右为裁剪为112×100象素的人脸图。图3为本专利技术的LTV模型分解结果图；左为原图；中为光照分量图；右为反射分量图。图4为本专利技术的光照对齐结果图；左为原光照分量图；右为对齐后的光照分量图。图5为本专利技术的光照对齐整体流程图。图6为视觉效果恢复比较图。第一行为原图；第二行为基于LTV模型的光照处理算法的结果图；最后一行为本专利技术的光照对齐结果图。具体实施例方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例图1示出了本专利技术的操作过程，由图1可见，本基于二次多项式光照模型的人脸光照对齐方法，包括下述步骤(1)对所有训练图像以及目标图像均进行形状规一化，即对每张图像，先人工点取三个特征点(两只眼睛的中心点和嘴巴的中心点)的坐标，通过旋转使得每张人脸的两只眼睛处于水平位置，再运用双插值算法拉伸图像，使得这三个特征点本文档来自技高网...
【技术保护点】
一种基于二次多项式光照模型的人脸光照对齐方法，其特征在于包括以下步骤：（１）建立光照模型；（２）对所有训练图像以及目标图像均进行形状规一化处理；（３）训练系数矩阵Ａ↓［ｉ］和Ｂ↓［ｉ］，其中ｉ＝２，Λ，６４； （４）对目标人脸图像进行分解；（５）对目标人脸图像进行光照类型估计；（６）对目标人脸图像的光照分量进行对齐矫正；（７）目标人脸图像重构。
【技术特征摘要】
【专利技术属性】
技术研发人员：赖剑煌，谢晓华，郑伟诗，
申请(专利权)人：中山大学，
类型：发明
国别省市：81[中国|广州]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。