本发明专利技术涉及一种基于拉普拉斯金字塔的人脸图像融合方法，本发明专利技术在基于拉普拉斯金字塔分解的基础上，将改进的局部二值模式算子应用于融合规则，对于拉普拉斯金字塔各层的红外和可见光人脸图像，利用图像的平均梯度、图像直方图的标准差和Ｃｈｉ平方统计相似性测度来决定红外和可见光图像各自加权系数的选择，并利用确定的加权系数进行有效融合，从而得到细节信息丰富、清晰稳定、便于人眼观察的融合图像。与可见光图像和近红外图像相比较，本发明专利技术提供的融合图像的信息熵更大，平均交叉熵和均方根交叉熵更小，融合图像的效果更明显。
【技术实现步骤摘要】
本专利技术涉及一种，属于人脸识别技术。
技术介绍
在某些情况下，可见光传感器采集的图像会严重受到光照条件的影响，这给图像的 进一步处理和分析造成了很大的不便，例如人脸检测和识别。而近红外传感器采集的图 像有对光照影响不敏感的优点。因此可以应用多传感器图像融合技术在一定程度上消除 光照对于图像的影响。随着新的图像传感器技术的发展，多传感器图像融合技术也得到了蓬勃的发展。至 今为止，出现了许多性能优良的融合技术，如简单加权融合技术，基于主分量分析的融 合技术，假彩色融合技术，基于神经网络的融合技术和多分辨率分解融合技术等。其中 多分辨率融合技术处于佼佼者的地位。作为一种新兴的图像处理技术，多传感器图像融合技术涉及了多个领域，例如模式 识别，人工智能，图像处理等各个方面。并因为其强大的图像处理功能在遥感，计算机 视觉，医学图像处理和军事方面有着广阔的应用前景。虽然利用两幅或多幅图像进行图 像融合的技术已经取得显著得成果，但是如何得到更精确、更清晰稳定、带有更多有用 信息的图像仍然是多传感器图像融合技术亟待解决的问题。 专利技术 内 容本专利技术的内容在于建立一种，用于获得一 幅高清晰度、便于人眼观察、对光照鲁棒性好的图像，为直接应用或者进一步的处理提 供优秀的图像源。为了达到上述目的，本专利技术的技术解决方案提供了一种基于拉普拉斯 金字塔的人脸图像融合方法，本专利技术在基于拉普拉斯金字塔分解的基础上，将改进的局 部二值模式(Local Binary Pattern,简称LBP)算子应用于融合规则，从而对红外和 可见光人脸图像进行有效融合得到细节信息丰富、清晰稳定、便于人眼观察的融合图像。 如图1所示，该方法包含如下步骤步骤一分别用近红外摄像头和可见光摄像头采集近红外人脸图像和可见光人脸图像；步骤二拉普拉斯金字塔分解；将步骤一得到的近红外人脸图像和可见光人脸图像分别进行拉普拉斯金字塔分解； 步骤三融合近红外人脸图像和可见光人脸图像；基于局部二值模式，即基于简称为LBP算子的融合规则，将从步骤二中得到的近红 外拉普拉斯金字塔人脸图像和可见光拉普拉斯金字塔人脸图像进行融合； 步骤四逆拉普拉斯金字塔分解；将从步骤三中得到的融合结果进行逆拉普拉斯金字塔分解，得到融合人脸图像； 步骤五融合人脸图像f俞出； 将从步骤四中得到的融合人脸图像输出。 本专利技术的优点在于(1) 在基于拉普拉斯金字塔分解基础上，将改进的局部二值模式(Local Binary Pattern,简称LBP)算子应用于融合规则；(2) 对红外和可见光人脸图像进行有效融合可以得到细节信息丰富，清晰稳定， 便于人眼观察的融合图像；(3) 与可见光图像和近红外图像相比较，融合图像的信息熵更大，而平均交叉熵 和均方根交叉熵更小，融合图像的效果就更明显。附图说明图1为本专利技术示意图2为本专利技术采用的LBP算子的不变一致性模式；图3为本专利技术与现有技术的实验效果对比图。 具体实施例方式下面结合附图和具体实施方式对本专利技术做进一步详细说明。图1所示为本专利技术示意图，本专利技术所述方 法包含如下步骤步骤一分别用近红外摄像头和可见光摄像头采集近红外人脸图像和可见光人脸图像；图像釆集由」台近红外摄像头、 一台可见光摄像头、 一块图像釆集卡和一台计箅机 来完成。近红外摄像头和可见光摄像头之间的距离经过调试确定之后，调整目标人物与 摄像头之间的距离以获取两张像素上比较相近的图像，达到初步配准两幅图像的目的， 之后再通过最大相关性原则对两幅图像进行精确配准并将其归一化为60乘60的大小。步骤二拉普拉斯金字塔分解；将步骤一得到的近红外人脸图像和可见光人脸图像分别进行拉普拉斯金字塔分解， 具体过程如下首先,构建高斯金字塔，以釆集的图像为金字塔的第0层，第/层的图像通过对第/-1 层图像进行隔行降采样获得，G/ = S S "X ,一j (2/ +附，2_/ + w)其中，N为金字塔的总层数，C,和i ,分别代表第/层金字塔的列数和行数， 称为权函数或者生成核，具体采用数值如下2561464141624164624362464162416414641这个过程称为"REDUCE算子"，记做G,i^DL/CE，由于金字塔各层图像均为低通图像，故称之为"高斯金字塔"。然后，由髙斯金字塔构建拉普拉斯金字塔构建的关键步骤是对高斯金字塔的各层图像进行内插放大，该过程称为EXPAND 算子，记做C^,EXPAND，具体计算步骤如下2222220当，^为整数时 2 2 其它最后，拉普拉斯金字塔的第/层图像由A-G,-^^MA^[G,J获得。其中Z,为拉普 拉斯金字塔的第/层图像，《和《+1分别为高斯金字塔第/和/+1层图像。 步骤三融合近红外人脸图像和可见光人脸图像；7基于局部二值模式，即基于简称为LBP算子的融合规则，将从步骤二中得到的近红 外拉普拉斯金字塔人脸图像和可见光拉普拉斯金字塔人脸图像进行融合； 融合方法设计如下,首先，将要融合的同一层拉普拉斯金字塔图像的对应像素点扩展到5x5的区域，然 后用旋转不变性的一致性模式Z朋算子M《f对这个区域提取Z朋特征，其中上标r!'"2代表旋转不变的一致性模式，下标8,1代表着以某像素为中心，在半径为1的范围 内比较周围8个像素与该中心像素间的关系。丄万《;"2算子总共有256个模式，在这256 个模式中一共有9类旋转不变的一致性模式，如图2所示。除了采用图2所示的9个模式外，将其余的247个模式都归到第10类，得到一 个lxlO维的统计直方图向量，统计直方图向量的元素值代表各个类的总数。由于单纯的丄SP值所能携带的信息量有限，并不能充分表达区域特征，因此在丄5户值的基础上丄.引入平均梯度的概念^ = 4^^-&|，其中&为中心像素的灰度值，gp为周围像素点的灰度值，将原有的1x10维统计直方图向量扩展到了 lxll维统计直方图向量，并力r 设定了一个Salience值5 = ^来代表特征，其中^G为平均梯度，SD为图像直方图的标准差。至于两个向量间的匹配度，采用Chi平方统计相似性测度来测量，定义如下 r (A,-/f2,)2M = XW ^ +// ， bO,l，....lO， M代表了近红外图像统计直方图向量//,，,和可见光图像统计直方图向量//2,,的匹配程度，权值w在此处取值为1。融合后的图像像素点的灰度值由红外和可见光图像对应像素点的灰度值加权得到F(/,yXM,(/,力+ ^/M2(/,_/)，其中F(/，力为融合图像(i,j)点的灰度值，/M々，/)和/似2(/,刀分别为近红外和可见光相应像素点的灰度值，^和^为各自的权值。当M20.75时，存在较小的权值w^ =^^和较大的权值"_ =l-wmin ，其中"=0.75 ;2(1-")其他情况fi^n =0 fl""Wmax =1。然后比较两个像素点的5 =:值，假设S1为近红外图像的Salience值，S2为可见光图像的Salience值，如果S12S2 ，则 A = wmax "wJ 2 = wmin ，反之贝U w2 = max am/q = wmin 。遍历所有像素点之后，从而得到融合后的图像。步骤四逆拉普拉斯金字塔分解；将从步骤三中得到的融合结果进行逆拉普拉本文档来自技高网...
【技术保护点】
基于拉普拉斯金字塔的人脸图像融合方法，该方法包括如下步骤： 步骤一：分别用近红外摄像头和可见光摄像头采集近红外人脸图像和可见光人脸图像； 图像采集由一台近红外摄像头、一台可见光摄像头、一块图像采集卡和一台计算机来完成； 首 先，调试确定近红外摄像头和可见光摄像头之间的距离； 然后，调整目标人物与摄像头之间的距离，获取两张像素上比较相近的图像； 最后，通过最大相关性原则对两幅图像进行精确配准，并将其归一化为６０乘６０的大小； 步骤二：拉普拉斯金 字塔分解； 将步骤一得到的近红外人脸图像和可见光人脸图像分别进行拉普拉斯金字塔分解，具体过程如下： 首先，构建高斯金字塔，以采集的图像为金字塔的第０层，第ｌ层的图像通过对第ｌ－１层图像进行隔行降采样获得， Ｇ↓［ｌ］＝＊＊ ω（ｍ，ｎ）Ｇ↓［ｌ－１］（２ｉ＋ｍ，２ｊ＋ｎ） ０＜ｌ≤Ｎ，０≤ｉ＜Ｃ↓［ｌ］，０≤ｊ＜Ｒ↓［ｌ］ 其中，Ｎ为金字塔的总层数，Ｃ↓［ｌ］和Ｒ↓［ｌ］分别代表第ｌ层金字塔的列数和行数，ω（ｍ，ｎ）称为权函数或者生成核，具体采用数 值如下： ＊＊＊ 上述过程为ＲＥＤＵＣＥ算子，记做Ｇ↓［ｌ］＝ＲＥＤＵＣＥ［Ｇ↓［ｌ－１］］；上述金字塔为高斯金字塔； 然后，由该高斯金字塔构建拉普拉斯金字塔； 构建的关键步骤是对高斯金字塔的各层图像进行内插放大，该过 程称为ＥＸＰＡＮＤ算子，记做Ｇ↓［ｌ－１］↑［＊］＝ＥＸＰＡＮＤ［Ｇ↓［ｌ］］，具体计算步骤如下： Ｇ↓［ｌ－１］↑［＊］（ｉ，ｊ）＝４＊＊Ｇ↓［ｌ］＊＊＊ ＊＊＊当＊＊＊为整数时 最后，拉普拉斯金字塔的第ｌ层图像由Ｌ↓［ ｌ］＝Ｇ↓［ｌ］－ＥＸＰＡＮＤ［Ｇ↓［ｌ＋１］］获得；其中Ｌ↓［ｌ］为拉普拉斯金字塔的第ｌ层图像，Ｇ↓［ｌ］和Ｇ↓［ｌ＋１］分别为高斯金字塔第ｌ和ｌ＋１层图像； 步骤三：融合近红外人脸图像和可见光人脸图像； 基于局部二值模式，即 基于简称为ＬＢＰ算子的融合规则，将从步骤二中得到的近红外拉普拉斯金字塔人脸图像和可见光拉普拉斯金字塔人脸图像进行融合； 融合方法设计如下： 首先，将要融合的同一层拉普拉斯金字塔图像的对应像素点扩展到５×５的区域； 然后，用 旋转不变性的一致性模式ＬＢＰ算子ＬＢＰ↓［８，１］↑［ｒｉｕ２］对这个区域提取ＬＢＰ特征；其中，上标ｒｉｕ２代表旋转不变的一致...
【技术特征摘要】
【专利技术属性】
技术研发人员：王一丁，王蕴红，邵春水，
申请(专利权)人：北方工业大学，北京航空航天大学，
类型：发明
国别省市：11[中国|北京]
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。