一种人脸图像归一化方法技术

本发明专利技术公开了一种人脸图像归一化方法，包括如下步骤：1）对目标人脸图像进行归一化处理，得到初始人脸灰度图；2）对所述初始人脸灰度图的灰度值进行调整，其中，使较平坦的人脸区域的灰度值相对减小，使较不平坦的人脸区域的灰度值相对增大。本发明专利技术提出的根据空间平坦度掩膜自适应的调整韦伯脸的放缩系数，能够利用正常光照条件下的人脸库图像不同空间位置的本征信息，当目标图像中由于光照造成阴影时，阴影部分会具有较小的放缩系数，因而不会产生大的响应，从而有效规避了原始韦伯脸方法不能有效处理阴影边缘的问题；另外本发明专利技术提出的多尺度自适应韦伯脸融合方法能够有效利用不同尺度下的互补信息，从而保留更多对人脸识别/认证的有用信息。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图像处理
，具体涉及。
技术介绍
近年来，人脸识别/认证由于其在公共安全、身份确认、多媒体检索和人机交互等领域的广泛应用，受到了众多科研院所和企业的重视，也进行了大量的相关研究。然而对现有的大多数人脸识别/认证系统来说，外部环境光照的变化依然严重制约着其性能。这主要是因为光照变化造成的同一个体脸部成像差异甚至有可能比不同个体间的差异更大，而 在实际应用系统的设计中，由于识别/认证和注册时间、环境的不同，外部光照的变化几乎不可避免。因此，针对光照变化条件下的人脸图像进行归一化处理以消除/减小其对人脸识别/认证系统的影响已经成为当前图像处理、人脸识别相关领域的热点和难点。为了消除/减小光照变化对人脸识别/认证系统带来的影响，国内外的研究者提出了许多方法，这些方法大致可以分为三类。一类是根据大量的不同光照条件下的人脸样本学习出可变光照下的人脸模型，如专利申请号为200710027817. 8所提出的基于二次多项式模型的光照归一化方法，这类方法处理效果好，但是往往计算量大，耗时长，而且对大量训练样本的需求也限制了其实际应用。第二类方法采用传统的图像处理方法对变化光照条件下的人脸图像进行预处理，如直方图均衡化，对数变换等，这类方法由于没有考虑到光照形成模型，仅仅是调整目标图像的灰度分布，因而并不能取得理想的实用效果；第三类方法根据朗伯反射模型抽取光照不敏感量进行光照归一化，这一类方法由于效果好，同时复杂度比第一类方法低，因而获得广泛的关注。其中比较具有代表性的方法有基于 LTV 模型的方法(T. Chen, X. S. Zhou, D. Comaniciu and T. S. Huang, “Total VariationModels for Variable Lighting Face Recognition, ” IEEE Transactions on PatternRecognition and Machine Intelligence, 28 (9) : 1519-1524，2006)和专利技术人在前期工作中提出的基于韦伯脸的方法(B. Wang, W. F. Li, W. M. Yang and Q. M. Liao, “IlluminationNormalization Based on Weber’s Law With Application to Face Recognition,，，IEEESignal Processing Letters, 18(8) : 462-465, 2011)。LTV模型在对数域使用全变分模型对人脸图像进行分解，使用其中的小尺度分量近似表征光照不变的反射分量。专利申请号为200810026852. 2的专利技术提出了 LTV模型的改进算法，但是这些基于LTV模型的方法计算量大，耗时较长。基于韦伯脸的方法使用一种局部二阶相对梯度作为光照不敏感表达，避免了显式求解反射分量，同时相较LTV模型方法具有更小的计算复杂度和更好的光照归一化结果。但是，基于韦伯脸的方法依然存在如下两个缺点(I)求取的局部二阶相对梯度在阴影边缘处不具有光照不敏感性；(2)仅仅考虑到单一的尺度，而没有利用多尺度的信息，而近期众多的研究工作表明不同尺度下的信息具有互补特性。
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、有广泛应用前景并可明显提高人脸识别/认证率的人脸图像归一化方法。本专利技术的方法尤其是针对基于韦伯脸的光照归一化算法进行了两点改进(I)利用不同人脸区域的本征特性在正常光照条件下，鉴别力较强的眉眼、鼻、嘴巴等区域具有较大的梯度变化，鉴别力较小的额头、脸颊等区域具有较小的梯度变化，也即比较平坦；然而在有阴影的情况下，额头、脸颊等部位也会变得不平坦，即具有较大的梯度变化，这些阴影将对当前的许多人脸识别/认证算法带来负面影响。为了解决这一问题，我们提出根据正常光照条件下的多个样本生成平均平坦度掩膜，则该掩膜中较大的数值对应的是人脸中本来较不平坦的区域，较小的数值对应的是人脸中较平坦的区域；由于这一掩膜是利用正常光照条件下的多个人脸图像平均得来，因而具有较强鉴别力的区域(如眉目艮、嘴巴等)对应的掩膜数值较大，容易出现阴影的区域(如脸颊)对应的掩膜数值较小，我们进而根据该掩膜生成对应的放缩系数矩阵，对具有较大掩膜系数的区域响应进行增强，对较小掩膜系数的区域响应进行抑制，这一改进可以有效去除/减小阴影边缘的影响；虽然具有较强鉴别力的区域(即较不平坦的人脸区域)也同样会产生阴影，但由于一方面这 些区域所占人脸的总区域的大小的比例较小，对该区域的阴影不做抑制处理并不会带来较大的影响，另一方面这些区域主要包含的是对人脸识别/认证有用的鉴别信息，对该区域阴影的抑制处理也会抑制这些鉴别信息；在本专利技术中通过对占人脸大部分面积的较平坦的人脸区域的阴影进行抑制，可以有效去除/减小阴影边缘的影响。(2)提出多尺度韦伯脸的计算方法，最终的输出是多个尺度下自适应韦伯脸的加权融合，这一改进可以充分利用不同尺度信息并抽取更多有用的鉴别信息。，包括如下步骤I)对目标人脸图像进行归一化处理，得到初始人脸灰度图；2)对初始人脸灰度图的灰度值进行调整，其中，使较平坦的人脸区域的灰度值相对减小，使较不平坦的人脸区域的灰度值相对增大。优选地,在所述步骤2)中，采用系数对初始人脸灰度图的灰度值进行放缩，采用较小系数使较平坦的人脸区域的灰度值相对减小，采用较大系数使较不平坦的人脸区域的灰度值相对增大。优选地，通过如下步骤确定人脸区域的平坦的程度计算第i张正面光照下的人脸图像中某个像素点(x，y)的平坦度HiaskiUy)Inaski(X^v)= ^+ /^(i5 ^ - thresh)).计算M张正面光照下的人脸图像的相同位置的某个像素点(x，y)的平均平坦度maskavg(x, y) IMmask^Xx.y)^—^maski(XjV); ^ M l j其中，W‘y)表示中心在像素点(X，y)的大小为dXd的方形窗口，像素点是在该方形窗口内的像素点，刃和七氏少)分别表示人脸图像中X方向和y方向的梯度幅度，thresh是一个表示像素点(x，y)周围的局部区域是否平坦的阈值；δ ()是一个函数，当括号内的值大于等于O时，δ 0=1，当括号内的值小于O时，δ 0=0。优选地，所述步骤I)包括如下步骤I. I)通过高斯滤波对目标人脸图像进行平滑处理，得到高斯滤波图Γ (X，y)权利要求1.，其特征是，包括如下步骤 .1)对目标人脸图像进行归一化处理，得到初始人脸灰度图； .2)对初始人脸灰度图的灰度值进行调整，其中，使较平坦的人脸区域的灰度值相对减小，使较不平坦的人脸区域的灰度值相对增大。2.如权利要求I所述的人脸图像归一化方法，其特征是在所述步骤2)中， 采用系数对初始人脸灰度图的灰度值进行放缩，采用较小系数使较平坦的人脸区域的灰度值相对减小，采用较大系数使较不平坦的人脸区域的灰度值相对增大。3.如权利要求2所述的人脸图像归一化方法，其特征是，通过如下步骤确定人脸区域的平坦的程度 计算第i张正面光照下的人脸图像中某个像素点(x，y)的平坦度HiaskiUy)4.如权利要求2或3所本文档来自技高网...

【技术保护点】
一种人脸图像归一化方法，其特征是，包括如下步骤：1）对目标人脸图像进行归一化处理，得到初始人脸灰度图；2）对初始人脸灰度图的灰度值进行调整，其中，使较平坦的人脸区域的灰度值相对减小，使较不平坦的人脸区域的灰度值相对增大。

【技术特征摘要】

【专利技术属性】
技术研发人员：廖庆敏，汪彪，李卫锋，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：