基于形态学商图像的多光照人脸识别方法技术

本发明专利技术一种基于形态学商图像的多光照人脸识别方法，该方法，首先估计出人脸各个位置的光照强度，包含光源强度和法向量信息，然后求出原始光照图像与光照估计图像之间的商值，得到人脸表面的反射率信息，即与光照条件无关的人脸纹理特征。因相除操作会在原来的阴影区域产生噪声点，噪声点与人脸纹理特征无关，所以对原始图像在光照估计前做预处理。估计光照采用形态学的闭操作方法，用最简便的矩形均值模板，模板的尺度大小采用动态原则，依不同局部区域特点，对模板大小进行自适应选取。最后对相除得到的商图像结果进行最近邻分类，距离准则采用归一化的相关性。本发明专利技术，提高了自动人脸识别系统的安全性，在生物特征识别领域具有重要的应用价值。

Multi light morphological quotient image based face recognition method

The invention relates to a multi optical morphological quotient image based face recognition method, this method firstly estimates the face location of each light intensity, including light intensity and normal vector information, then find the original image and the light illumination estimation between the image taking value, get information of face surface reflectance, and illumination independent facial texture features. Because of the division operation will produce noise in the shaded area of the original noise has nothing to do with the face texture, so the original image in the light of the pretreatment before estimation. It is estimated that the illumination adopts morphological closed operation method, and the simplest rectangle mean template is used. The scale size of the template adopts dynamic principle, and the template size is adaptively selected according to different local region characteristics. Taking image results obtained by dividing the nearest neighbor classification, using the normalized distance correlation criterion. The invention improves the security of the automatic face recognition system, and has important application value in the field of biometric identification.

【技术实现步骤摘要】

本专利技术涉及生物特征识别
，特别涉及到利用形态学来处理不 同光照条件下的人脸图像。
技术介绍
由于人脸识别符合人们在生活中进行身份识别的习惯，而且人脸具有 一定的稳定性和可靠性，人脸图像获取方便，设备成本低廉，人脸识别技 术在现代社会中已经成为了一种重要的身份识别的手段。银行，海关，公 安，家用安全设备等安全系统中都大量使用了人脸识别技术。另外，由于 人脸图像的采集具有非接触的优点，使得其在视频监控中获得了广泛的应 用。然而，虽然随着科技的进步，人脸识别系统的性能在理想的环境下已 经取得了很高的准备率，但是，各种外界因素对人脸识别系统的性能影响 很大，尤其是光照条件的影响，使得不同个体的人脸图像的类间差别大于 类内差别，从而导致了错误的识别个体的身份。因此，如果快速有效的解 决多光照条件下的人脸识别问题，是目前人脸识别研究中的一个重点。Georghiades等人在1998年提出了光照锥的算法，他们认为同一个个 体从同一个视角，在不同光照条件下的形成的所有图像在空间中张成了一 个锥形，即光照锥。只要对注册的所有个体的光照锥进行建模，那么就可 以通过计算一幅给定的任意光照条件下的图像到各个光照锥之间的距离 来决定给定图像中个体的身份。球面谐波的表示方法是由Basri和Jacobs 提出来的，他们证明了一个凸的朗博表面在任意光照下的图像可以用九个 谐波图像张成的线性子空间来近似。这些方法研究了同一人脸在不同光照 条件下形成的图像的本质属性，但是不适合应用到实时的人脸识别中去， 因为它们需要大量的训练图像来训练得到模型参数，而在实际应用中，往 往只有一幅注册图像，无法得到满足需要的训练图像。Shashua等人于2001年提出了商图像的概念，能够利用训练集合中的 3幅的在特定光照条件下的人脸图像，合成任意输入的人脸在各种光照条 件下的图像，但是该方法对图像的配准要求很高。自商图像的方法采用的 是加权的高斯滤波器来对图像进行滤波，再将结果与原始图像相除，这种 方法的缺点是会产生过补偿的区域。T. Chen等人提出了基于总变分的商图 像方法，通过解决一个总变分问题来估计人脸图像中的光照，再求商得到 与光照无关的信息。此方法最大的缺点是计算的时间复杂度很高，不适合 应用到实时的人脸识别系统中去。综合以上分析研究发现，目前国际上已有的人脸识别算法还未能真正 快速有效的解决光照不均匀的问题。它们在识别准确率，处理的时间效率 等方面还有改善的余地，因此研究开发新的处理多光照条件下的人脸识别 算法在应用和学术上都有十分重要的意义。
技术实现思路
本专利技术的目的是公开一种， 针对影响人脸识别系统性能的外界光照问题，提出了基于形态学商图像的 人脸识别算法，能够实时有效的对输入的多光照的人脸图像进行识别分类。为达到上述目的，本专利技术的技术解决方案是 一种，其包括步骤(1) 对原始的各种光照下的人脸图像进行预处理；(2) 采用动态模板的形态学闭运算方法，对预处理后的图像进行光 照估计；(3) 将(1)步中预处理后的人脸图像与(2)步中估计的光照图像 相除，得到的商图像即为与光照条件无关的人脸特征图像；(4) 对人脸进行最近邻分类。所述的方法，其所述步骤(1)的预处理方法，是求出原始图像中每 个点的形态学梯度g(x,力-(/(x,力0Z)) —(/力！。其中，yU力为原始图像上横坐标为x，纵坐标为少的点的灰度值，6为形态学模板，g(x,力为计算得到的图像中坐标为(;c,力的点的形态学梯度的值； 其中6为长宽相等的矩形模板，边长为人脸图像中眼球的直径；设定一个 阈值5，其取值范围为[6, 10];找出所有形态学梯度小于^的点，并将在该 点处以b为模板的灰度膨胀的值赋于该点。所述的方法，其所述步骤(2)中的模板，为三种尺度大小的模板， 通过计算各个点的局部特征值来决定所选取模板的大小。所述的方法，其所述三种尺度大小的模板，都是长宽相等的矩形，其 三种尺度的模板各自的边长长度呈等差数列，差值为2个象素单位，其中 最小模板的边长长度为人脸图像中眼球的直径，其单位为象素数。所述的方法，其所述步骤(2)中采用动态模板，是通过对图像中各个点的局部特征值设定两个阈值a和/ 来决定在该点采用的模板尺度的大小。参数的取值大小为0.6，参数/ 的取值大小为2.1。其方法为(1) 计算该点的形态学梯度，釆用的模板为长宽相等的矩形，边长为人脸图像中眼球的直径；(2) 计算该点的形态学梯度值与该点的灰度值相比的比值；(3) 将该比值与阈值a和p相比较，若小于，则取最小的模板，若 介于a和/ 之间，则取中等大小的模板，若大于P，则取最大的模板。所述的方法，其所述步骤(4)中采用的距离测度是归一化的相关性。 本专利技术方法有效的解决了光照不均匀条件下人脸识别的问题，识别准确率高，能够快速的实现多光照条件下的人脸识别，并且只需要一幅注册图像，因此能够有效的应用到实时人脸识别系统中。附图说明图1本专利技术中使用的模板 示意图，其中一个单元格表示一个象素；图2不同区域的模板大小选取示意图，其中图(a)为原始的人脸图 像，图(b)中黑色区域表示选用的是最大的模板，灰色区域表示选用的是 中等大小的模板，白色区域表示选用的是最小的模板；图3光照估计的结果示意图，其中图(a)为原始图像，图(b)为对原 始图像进行预处理，并且利用形态学的闭运算进行光照估计的结果；图4进行预处理前后人脸图像结果的对比图，其中图(a)表示的是 对原始的人脸图像未经预处理，直接光照估计后，计算得到的商图像结果， 图(b)表示的是对原始图像进行预处理以后，再估计光照，最后计算得到 的商图像结果；图5原始的光照图像和最后的处理结果之间的对比示意图，其中图 (a)表示的是原始的人脸图像，图(b)表示的是该原始图像进行预处理，光 照估计，最后计算得到的商图像结果；图6本专利技术流程方框图。其 中③表示相乘操作，x-'表示对输出取倒数。具体实施例方式本专利技术的，是根据朗博反射 模型，人脸图像在某一点的灰度值由三个部分相乘的积来决定的该点的 表面反射率，该点的表面法向量方向，以及光源的方向和强度。由于分析 的是二维人脸图像的识别，其中只有各点的表面反射率反映了人脸的本质 特征，是进行进一步分类的依据，但是直接求解表面反射率难以实现，因 此，先估计出人脸上各点的外界光照信息，也即表面法向量与光源的方向和强度的乘积，再通过将原始图像除以该估计出来的外界光照信息，就能 得到进行特征分类所需要的人脸的本质特征，即表面反射率。对原始的光照图像进行估计并不是简单的取图像的低频分量，因为对 原图像进行局部光照估计的时候要求同时很好的保持原始图像中特征的 清晰的边缘。而且，通过对非理想光照条件下的图像进行分析，阴影，明 暗等外部特征一般都具有大尺度的特点，而眼睛，眉毛，鼻子，嘴巴等反 映脸部本质属性的关键特征一般都具有小尺度的特点，因此，光照估计的 算法还要具有很好的尺度选择特性，即对于不同尺度的特征，能够进行参 数可控的有条件的选取。而形态学的闭操作具有上述的所有特点，它能够 在处理后保持图像的边缘清晰，并且可以通过选取不同大小的模板来实现 特征尺度的选择。同自商图像算法和基于总变分的商图像算法一样，基于形态学商图像 的光照处理本文档来自技高网...

【技术保护点】
一种基于形态学商图像的多光照人脸识别方法，其特征在于，包括步骤：　（１）对原始的各种光照下的人脸图像进行预处理；　（２）采用动态模板的形态学闭运算方法，对预处理后的图像进行光照估计；　（３）将（１）步中预处理后的人脸图像与 （２）步中估计的光照图像相除，得到的商图像即为与光照条件无关的人脸特征图像；　（４）对人脸进行最近邻分类。

【技术特征摘要】
1、一种基于形态学商图像的多光照人脸识别方法，其特征在于，包括步骤(1)对原始的各种光照下的人脸图像进行预处理；(2)采用动态模板的形态学闭运算方法，对预处理后的图像进行光照估计；(3)将(1)步中预处理后的人脸图像与(2)步中估计的光照图像相除，得到的商图像即为与光照条件无关的人脸特征图像；(4)对人脸进行最近邻分类。2、 按权利要求l所述的方法，其特征在于，所述步骤(1)的预处理方法，是求出原始图像中每个点的形态学梯度g(u) = (/(x,_y) 6)-(/(x,;v)! 6)其中，X^，力为原始图像上横坐标为&纵坐标为y的点的灰度值，6为形态学模板，运算符 为灰度膨胀操作，运算符！为灰度腐蚀操作， 为计算得到的图像中坐标为(x,力的点的形态学梯度的值；其中6为长宽相 等的矩形模板，边长为人脸图像中眼球的直径，单位为象素；设定一个阈 值L其取值范围为[6,10];找出原始图像中所有形态学梯度小于5的点， 并将该点处以b为模板的灰度膨胀的值赋于该点。3、 按...

【专利技术属性】
技术研发人员：田捷，张瑶瑶，杨鑫，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]