本发明专利技术涉及对图像进行光照归一化处理的方法，还涉及采用其的图像识别方法。其中光照归一化方法包括：将输入图像分割为阴影区域和光照正常区域；根据ＴＶＱＩ模型或者ＬＴＶ模型，获得λＬ１取０－０．５范围的任一值时图像的小尺度部分，优选λＬ１＝０．２；获得λＬ１取０．６－１范围的任一值时图像的小尺度部分，优选ｖλ＝０．８；将λＬ１取０－０．５范围的任一值时（优选０．２）得到的图像小尺度部分作为图像阴影区域的小尺度部分，将λＬ１为０．６－１范围的任一值时（优选０．８）得到的图像小尺度部分作为图像正常光照区域的小尺度部分，拼接得到整幅图像的小尺度部分ｖ。本发明专利技术不需要预先知道光源信息，也不需要训练集，能够增强图像识别在复杂光照条件下的有效性。
【技术实现步骤摘要】
本专利技术涉及一种对图像进行光照归一化处理的方法，还涉及一种采用其的图像识 别方法，属于模式识别领域。
技术介绍
近年来，人脸识别研究得到了广泛的关注。光照、姿态和表情三大问题一直是影响 人脸识别精度的重要因素，其中光照因素，特别是自然环境光的变化不是人为所能控制的， 因此光照处理是每个人脸识别系统必须进行的步骤。大多数人脸识别系统通常对光照条件 作出一定限制，假设待处理图像是在基本均勻光照条件下获得的，它们仅允许小范围内的 光照条件变化，然而实际光照条件往往不均勻，偏光、侧光、高光导致的过亮、过暗、阴影都 会使效果大幅度下降。因此，如何减少光照对于人脸识别的影响得到了众多研究人员的关 注。TVQI (Total Variation based quotient image model)牛IMi—禾中i^ffl TV-Ll 尺度分解模型与自商图像(SQI)模型结合的人脸光照归一化模型。Wang等提出的自商图 像模型是使用图像本身的平滑度信息均衡外部的光照效应的一种光照归一化模型，其中图 像的平滑度信息为加权高斯滤波器滤波的结果，但是高斯滤波器不能保持图像高频部分的 边缘细节，因此自商图像模型处理结果丢失部分图像特征信息。为解决这一问题Chen等提 出了 TVQI模型，TVQI模型使用TV-Ll分解得到的大尺度图像特征平衡人脸图像中的光照 效应。TV-Ll为各向异性扩散的偏微分方程，具有尺度选择特性，同时可以保持图像中的边 缘特征。这种方法不仅保持了自商图像简单，有效的特点，而且能够保留更多的人脸细节信 息，提高了识别效果。下面对TV-Ll模型和TV-L2模型作一简介。TV-Ll 模型TV-Ll模型是一种由偏微分方程方法发展而来的对图像进行平滑去噪的图像处理 方法。它的基本思想是设一个泛函数h JAu}=\\Vu\fix + 求得使Ja 得到最小值的U。其中u为TV-Ll模型的结果，也就是平滑去噪后的图像，I为输入图像，也 就是原图像，λ为调节去噪程度的参数，V为梯度算子。Ja 中第一部分fl ▽ 由用来使图像平滑，第二部分λ f |l-u|dx使u保持I的 主要特征。可通过λ来调节u与I的相似程度。自商图像模型(SQI)是一种光照归一化模型，它的基本方法是利用低通滤波器得 到人脸图像的低频成分，再与原图像逐点的进行商运算，得到自商图像，用公式表示如下 其中Q(x，y)为自商图像中每点的像素值，I (x，y)为原图像中每点的像素值，S (x，y)为图像的低频成分中每点的像素值，F为低通滤波器。自商图像Q具有一定光照不变性， 是自商图像模型的结果。TV-L2 模型TV-L2模型与TV-Ll模型的基本思想相同，只是使用的约束条件不同，TV-L2模 型使用的是L2范数作为约束条件，TV-Ll模型使用的是Ll范数作为约束条件，约束条 件的不同使泛函数Jju]中的第二部分与TV-Ll不同，TV-L2模型中的泛函数表示为人M= \\Vu^x + l\{I-u)dx ,其中u为TV-L2模型的结果，也就是平滑去噪后的图像，I 为输入图像，也就是原图像，λ为调节去噪程度的参数，▽为梯度算子。
技术实现思路
本专利技术的技术解决问题是克服输入图像中光照因素的影响，提供一种对图像进 行光照归一化处理的方法，还提供一种采用其的图像识别方法，该方法能够增强图像识别 在复杂光照条件下的有效性。本专利技术的技术解决方案是本专利技术提供的对图像进行光照归一化处理的方法，包括以下步骤将输入图像分割为阴影区域和光照正常区域；根据TVQI模型或者LTV模型，获得λ u取0-0. 5范围的任一值时图像的小尺度部 分；优选地，λ u = 0. 2 ；根据TVQI模型或者LTV模型，获得λ u取0. 6-1范围的任一值时图像的小尺度部 分；优选地，νλ=α8;将Xu取0-0. 5范围的任一值时(优选0.2)得到的图像小尺度部分作为图像阴 影区域的小尺度部分，将XuSO. 6-1范围的任一值时(优选0. 8)得到的图像小尺度部分 作为图像正常光照区域的小尺度部分，拼接得到整幅图像的小尺度部分V。本专利技术提供的对图像进行光照归一化处理的方法，还可以进一步包括以下步骤将输入图像代入TV-L2模型，获得图像的大尺度部分；对得到的图像大尺度部分&2进行直方图均衡化；优选是分块直方图均衡化；将所述整幅图像的小尺度部分ν和均衡化后得到的图像大尺度部分《2进行融合。本专利技术提供的对图像进行光照归一化处理的方法，还可以进一步包括以下步骤对均衡化后得到的图像大尺度部分^2进行同态滤波；将所述整幅图像的小尺度部分ν和同态滤波后得到的图像大尺度部分力Γ2进行融I=I O本专利技术提供的对图像进行光照归一化处理的方法，还可以进一步包括以下步骤 将输入图像归一化成像素为100X100的灰度图像I。所述输入图像为灰度图像时，将图像像素修改为100X100 ；所述输入图像为彩色图像时，通过下式将其变为灰度图像Γ r+g+bgray =——^——式中，r, g，b分别代表彩色图像中红，绿，蓝分量的值，gray代表灰度图像的灰度值。将输入图像分割为阴影区域和光照正常区域的方法是a)计算输入图像的平均灰度值aver 式中，m，η分别表示图像的长和宽；b)计算每一个像素点的标志信息flag(x，y) flag (χ, y)等于1是表示该点为光照正常区域，flag (x, y)等于0是表示该点为 阴影区域。本专利技术提供的图像识别方法，是在对图像进行光照归一化处理后，使用子空间分 析方法将得到的高维数据投影到低维空间中，进行特征提取，得到维数较少的向量，然后利 用分类器进行分类，得到识别结果。所述分类器优选最近邻方法。本专利技术与现有技术相比具有如下优点本专利技术提供的对图像进行光照归一化处理的方法，不需要预先知道光源信息，也 不需要训练集，能够克服输入图像中光照因素的影响，大大增强图像识别在复杂光照条件 下的有效性。本专利技术特别适用于人脸图像识别，在进行人脸识别时，可以均衡人脸图像中的光 照效应，有效提高人脸识别对于光照影响的鲁棒性。此方法非常简单且可应用于任何单张 人脸图像。附图说明以下将结合附图对本专利技术的具体实施方式进行说明。图1为根据本专利技术对人脸图像进行光照归一化处理的方法流程图。具体实施例方式在具体实施方式中，以输入的图像为人脸图像为例对本专利技术进行详细说明。当然， 本专利技术也是适用于其它图像的。实施例一本实施例的光照归一化是在TVQI模型的基础上进行改进。如图1所示，对图像进行光照归一化处理的方法，包括以下步骤(1)将输入图像归一化为100X 100的灰度图像I若输入图像为灰度图像，则将图像像素修改为100X100 ；若输入图像为彩色图像，则通过下式将彩色图像变为灰度图像 式中，r, g，b分别代表彩色图像中红，绿，蓝分量的值，gray代表灰度图像的灰度 值。6(2)将输入图像分割为阴影区域和光照正常区域将步骤(1)归一化后的输入图像I分割为阴影区域和光照正常区域的方法是a)计算输入图像的平均灰度值aver 式中，m，η分别表示图像的长和宽；b)计算每一个像素点的标志信息flag(x，y) flag(x, y)等于1是表示该点为光照正常区域，flag(x, y)等于0是表示该点为 阴影区本文档来自技高网...
【技术保护点】
对图像进行光照归一化处理的方法，其特征在于，包括以下步骤：将输入图像分割为阴影区域和光照正常区域；根据ＴＶＱＩ模型或者ＬＴＶ模型，获得λ↓［Ｌ１］取０－０．５范围的任一值时图像的小尺度部分；根据ＴＶＱＩ模型或者ＬＴＶ模型，获得λ↓［Ｌ１］取０．６－１范围的任一值时图像的小尺度部分；将λ↓［Ｌ１］取０－０．５范围的任一值时得到的图像小尺度部分作为图像阴影区域的小尺度部分，将λ↓［Ｌ１］为０．６－１范围的任一值时得到的图像小尺度部分作为图像正常光照区域的小尺度部分，拼接得到整幅图像的小尺度部分ｖ。
【技术特征摘要】
【专利技术属性】
技术研发人员：孙艳丰，刘嘉文，王立春，
申请(专利权)人：北京工业大学，
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。