基于对数梯度直方图的广义光照不变人脸特征描述方法
【技术领域】
[0001] 本发明涉及图像处理和模式识别领域，特别涉及基于对数梯度直方图的广义光照 不变人脸特征描述方法。
【背景技术】
[0002] 光照不变人脸特征描述的主要任务是在不同的光照变化环境下消除光照对人脸 图像的影响，从而得到对光照变化不敏感的人脸描述特征。目前这一技术在智能监控、门禁 系统、信息安全、司法鉴定等方面均有广泛的应用。
[0003] 传统的光照不变人脸特征描述方法主要考虑涉及光照强度以及光照方向变化的 情况，要么通过图像处理的手段对人脸图像的整体或局部作光照正则化处理，以此达到消 除光照影响的目的，要么在朗伯特反射模型的基础上通过提取光照反射分量或者直接消除 光照模型中的光照分量来达到光照不变特征提取的目的。
[0004] 这些方法主要存在两个缺陷：（1)实际应用环境中光源波长的变化也是光照变化 的其中一个因素，如室内和室外光源、可见光与近红外光源，光源波长变化明显时人脸反射 率必然会发生变化，因此，现有方法提取的光照不变特征会随着光源波长的变化而变化； (2)现有的光照不变描述特征(如自商图像、对数总变分模型、梯度脸等)主要还是以图像的 形式出现，其识别过程是基于像素点的匹配，对人脸姿势的变化或图像对齐的好坏非常敏 感。
[0005] 以上的两个问题限制了现有的光照不变人脸特征描述方法的适用范围，并且其识 别性能容易受环境的干扰，远远不能满足实际的需要。因此，应用领域需要提供一种识别精 度高、鲁棒性能好且能满足实用要求的光照不变人脸特征描述方法。
【发明内容】
[0006] 本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于对数梯度直方 图的广义光照不变人脸特征描述方法，该方法适用于传统的同态光照环境以及可见光与 近红外的异质光照环境，同时能够获得鲁棒的特征表达以及较高的识别精度，具有很强的 实用性。
[0007] 本发明的目的通过以下技术方案实现:基于对数梯度直方图的广义光照不变人脸 特征描述方法，包括以下步骤：
[0008] (1)将人脸图像做预处理，通过双眼中心坐标进行对齐、裁剪并归一化成固定大 小；
[0009] (2)对步骤(1)的人脸图像作对数域的带通滤波处理，得到滤波后人脸图像；
[0010] (3)根据步骤(2)所得到的滤波后人脸图像，分别计算其梯度幅值和梯度方向；
[0011] (4)对步骤(3)的梯度幅值和梯度方向作后处理；
[0012] (5)根据步骤(4)得到的处理后的梯度幅值和梯度方向，分块计算梯度直方图，最 终将所有分块的直方图合并作为人脸的光照不变特征。
[0013]优选地，所述步骤(2)中的对数域带通滤波处理是指：
[0015]其中，1(1，7)为输入图像，0(1，7,〇〇,〇1)为带通滤波函数，1^^〇)为对数变换。
[00?6]优选地，所述步骤(3)中，梯度幅值和梯度方向分别记为Mag和Ori，其计算方法如 下：
[0017]
[0018] 其中，和么./(1,>〇分别表示对/(1，7)求1方向和7方向的偏导。
[0019] 优选地，所述步骤(4)中，对梯度幅值和梯度方向作后处理的方法如下：
[0020] (41)对步骤(3)得到的梯度幅值作阈值判断，当其局部均值大于某阈值T时结合近 邻像素点的信息对其作正则化处理；
[0021] (42)对步骤(3)得到的梯度方向使用高斯滤波作进一步平滑，进而将其作数值量 化，均匀地划分成K个量化级。
[0022] 优选地，所述步骤(5)中，人脸图像的梯度直方图的计算方法如下：
[0023] (51)将人脸图像均匀分割成若干小块，每个小块的大小为AXA;
[0024] (52)在每个小块中生成梯度直方图；
[0025] (53)将每个小块的直方图合并成一个长向量，作为人脸光照不变特征的最终表 达。
[0026] 优选地，所述步骤(52)中，每个小块的梯度直方图的计算方法如下：
[0028] 其中，为第i个子块,?表示第i个子块的直方图，u为直方图的位序号。
[0029] 优选地，所述步骤(53)中，梯度直方图合并的方法如下：
[0030]
[0031]其中，b为每张图像中分块的总数。
[0032]本发明与现有技术相比，具有如下优点和有益效果：
[0033] 1、本发明提出了基于图像预处理、光照不变特征提取和鲁棒特征表达三模块的广 义光照不变人脸特征描述方法，该方法综合考虑了对数梯度域的梯度幅值和梯度方向信 息，相比现有单纯使用梯度幅值或梯度方向的方法能够更加有效区分人脸的关键特征。
[0034] 2、本发明方法使用对数梯度幅值和对数梯度方向作为光照不变特征，不仅适用于 光照强度和光照方向变化的情况，对一定范围内的光源波长(可见光至近红外波段)变化也 有良好的适应性。
[0035] 3、本发明提出了基于对数梯度直方图的特征表达方式，有效整合了对数梯度幅值 与对数梯度方向两个光照不变量，与现有基于像素点匹配的方法相比，该方法对小幅度姿 势变化和人脸对齐不准具有一定的鲁棒性。
【附图说明】
[0036]图1是本发明方法的流程示意图；
[0037] 图2是CMU-PIE数据库的样例；
[0038] 图3是Extended YaleB数据库的样例；
[0039] 图4是CASIA HFB数据库的样例。
【具体实施方式】
[0040]下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限 于此。
[0041 ] 实施例
[0042]如图1所示，本实施例基于对数梯度直方图的广义光照不变人脸特征描述方法，包 括以下步骤：
[0043] (1)将人脸图像做预处理，通过双眼中心坐标进行对齐、裁剪并归一化成固定大 小。
[0044] 本步骤(1)中，图像预处理将以人的双眼中心坐标作为基准点对齐所有图像，裁剪 后的图像大小为128X128。
[0045] (2)对步骤(1)的人脸图像作对数高斯差分滤波处理，得到滤波后的人脸图像。
[0046] 其中，对数高斯差分滤波处理公式为：
[0048] 其中，I(x，y)为输入图像，
为高斯函数，σ是高斯函数的尺度 参数，取〇〇=1且〇1 = 2儿呢（·）为以自然对数为底的对数变换。该滤波方法基于图像的卷积 运算，具有很尚的运算效率。
[0049] (3)根据步骤(2)所得到的滤波后的人脸图像，分别计算其梯度幅值和梯度方向。
[0050] 梯度幅值和梯度方向分别记为LGM和LG0,则其计算方法如下：
[0051]
[0052] 其中，和分别表示对^>,J)_求X方向和y方向的偏导。
[0053] 本实施例中，图像的偏导数采用以下方式计算得到：
[0056] (4)对步骤(3)计算的梯度幅值和梯度方向作后处理;方法如下：
[0057] (41)对步骤(3)得到的梯度幅值作阈值判断，计算16X16的局部区域的均值，当均 值大于阈值〇. 05时结合近邻像素点的信息对其作正则化处理；
[0058] (42)对步骤(3)得到的梯度方向使用大小为7X7,方差为0.5的高斯低通滤波器作 高斯平滑，进而将其作数值量化，均匀地划分成5个量化级以提高特征表达的容错能力。 [0059]在本实施例中，所述步骤(41)中梯度幅值的局部正则化处理方法为：
[0061] 其中，N(x，y)表示以点（x，y)为中心大小为16X 16的邻域，W(x，y)表示以（x，y)为 中心方差为8的高斯权重
[0062] 在本实施例中，所述步骤(42)中，梯度方向的量化方法如下：
[0065] (5)将人脸图像均匀分割成若干小分块，在每个分块中根据步骤(4)得到的处理后 的梯度幅值和梯度方向计算梯度直方图，最终将所有分块的直方图合并作为人脸的光照不 变特征。
[0