专利名称：基于多尺度各向异性扩散的人脸光照不变图像的获取方法
技术领域：
本发明属于图像处理技术领域，特别涉及一种人脸光照不变图像的获取方法，该 方法能直接应用于光照变化条件下的实时人脸识别或人脸认证系统。
背景技术：
由于人脸识别或人脸认证在国家安全、军事安全和公共安全领域的重要地位，使 人脸识别或人脸认证技术研究得到很快的发展。但到目前，人脸识别对环境光照的影响有 着难以克服的缺陷，这主要是由于光照变化的影响带来的人脸图像的变化甚至比人脸图像 个体差异带来的变化大。另外，在人脸认证时的环境光照与注册时不同，人脸认证的识别性 也会急剧下降，难以满足实际系统的需要。如何减小或抑制环境光照变化对人脸识别或人 脸认证的影响已成为长期困扰在图像处理、模式识别相关领域的最具挑战性的难题。要解决光照变化对人脸识别或人脸认证的影响，近年来，国内外研究人员工作可 分为第一类是建立光照变化下人脸模型的方法。这类方法对光照变化的处理效果较好，但 在人脸识别领域则需要大量不同光照变化条件下的人脸图像样本，计算复杂度较大，耗时 较长，在实际人脸识别的应用中受到一定的限制。第二类是对光照进行补偿的方法。这类 方法普遍对光照变化的处理效果较差，在实际应用中往往达不到预期的要求。第三类是建 立三维变形模型的方法。这类方法有很理想的效果，但缺点是算法的复杂度相当大，且对人 脸图像样本数有较高的要求，通常也难以获得实际应用。第四类是提取光照不变特征的方 法，其又可分为基于边缘的图像特征方法和基于特征图像的方法，研究表明，基于边缘的图 像特征方法在光照变化较复杂时，人脸识别算法的性能随着光照角度变化的增大而急剧下 降。基于特征图像的方法具有算法简单，不需光照变化建模，实用性较好等优点。本发明所 涉及的方法就属于这一类。基于特征图像的方法认为任意光照条件下成像的灰度图像遵从朗伯凸表面模型， 可将此人脸灰度图像分解为包含人脸图像中固有细节结构的小尺度特征图像P和包含 外部光照、较大局部部件(如眼睛、鼻子等)造成的阴影及人脸大尺度结构的大尺度特征图 像S。其中的小尺度特征图像ρ不随光照变化而变化，是一种较为理想的人脸光照不变特 征图像。基于特征图像的方法就是试图从灰度图像中分离出不随光照变化的特征图像P。
发明内容
本发明的目的在于提出一种基于多尺度各向异性扩散的人脸光照不变图像的获 取方法。以快速、有效地抑制普通光照处理方法带来的人脸图像的光晕效应，增强人脸轮廓 及细节结构信息，有利于人脸人工辨识，并增强人脸识别或人脸认证系统对光照变化的鲁 棒性。本发明通过分析朗伯凸表面模型建立的人脸图像光照模型，认为提取光照不变的 人脸特征图像的核心是要提取包含人脸图像中轮廓及细节信息的小尺度特征图像。本发明 在传统的各向异性扩散算法的基础上引入新的区间不一致描述子，针对人脸光照变化问题提出新的传递系数，进而获得形成新的各向异性扩散算法，并将该算法应用于商图像理论 中得到一种光照不变特征图像的获取方法。该光照不变特征图像获取方法的实现步骤如下(1)对给定的受光照污染的人脸灰度图像，计算任意像素点的空间梯度|ν/(χ,>·)|以 及新的区间不一致描述子&M ；(2)根据步骤⑴所得到的结果计算扩散传递系数α (χ, y)和β (χ, y)；(3)利用步骤(1)、(2)所得结果构建本发明的各向异性扩散迭代方程式，对输入 人脸灰度图像进行迭代计算直至迭代次数达到最大迭代次数T，得到的图像就是大尺度特 征图像S;(4)根据商图像理论并结合步骤(3)所得的大尺度特征图像对输入的人脸灰度图 像进行处理得到人脸光照不变特征图像P。与现有技术相比，本发明的优点是(1)引入一种新的区间不一致描述子，增强了算法对低频域图像的边缘保持能力， 从而大大削弱了所获得的人脸光照不变特征图像中的光晕效应。(2)提出一种新的传递系数，降低了由边缘锐化带来的噪声。(3)引入一种各向异性扩散约束，使新的各向异性扩散算法更加适合于处理人脸 灰度图像中的光照问题。
图1 本发明方法的基本原理框图。图2 相同梯度描述子不同传递系数下本发明算法所得大尺度特征图像S和小尺 度特征图像P (a)原始人脸图像；(b)传统传递系数所得大尺度特征图像S ； (c)传统传递 系数所得小尺度特征图像P ； (d)本发明提出的传递系数所得大尺度特征图像S; (e)本发 明提出的传递系数所得小尺度特征图像P。图3:本发明方法与传统各向异性扩散算法的对比示意图(Yale B及CMU PIE人 脸库)。其中(a)原始图像；(b)传统各向异性扩散算法；(c)本发明方法。图4:本发明方法与几种传统人脸光照不变特征图像提取算法的对比示意图 (Yale B及CMU PIE人脸库)。其中，(a)原始图像；(b)自商图像(SQI) ； (c)基于总变分 模型的商图像(TVQI) ； (d)非线性阈值小波去噪(NTW) ； (e)本发明方法。
具体实施例方式以下结合附图对本发明方法进行具体的阐述。图1是本发明方法的流程框图，一幅大小为MXN的受光照影响的已知人脸灰度图 像可以表示为I (x, y) = ρ (χ, y)S(x, y) (χ = l，L，M，y= 1，L，N)其中ρ (x,y)和S(x，y)分别表示小尺度特征图像和大尺度特征图像在像素点(X， y)处的灰度值，本发明方法从已知的受光照污染的人脸灰度图像中分离小尺度特征图像的 具体步骤如下(1)对给定的受光照污染的人脸灰度图像I，计算任意像素点的空间梯度以及 新的区间不一致描述子^吣)。其中像素点(X，y)的空间梯度定义为该点的图像灰 度函数的一阶导数的幅值，由下式计算
权利要求
一种基于多尺度各向异性扩散的人脸光照不变图像的获取方法，其特征在于所述方法包括以下步骤(1)对给定的受光照污染的人脸灰度图像I，计算任意像素点的空间梯度以及新的区间不一致描述子(2)根据步骤(1)所得到的结果计算扩散传递系数α(x，y)和β(x，y)；(3)利用步骤(1)、(2)所得结果构建新的各向异性扩散迭代方程式，对输入人脸灰度图像进行迭代计算直至迭代次数达到最大迭代次数T，得到的图像I(t+1)为大尺度特征图像S；(4)根据商图像理论并结合步骤(3)所得的大尺度特征图像对输入的人脸灰度图像进行处理，得到人脸光照不变特征图像ρ。FDA0000029078790000011.tif,FDA0000029078790000012.tif
2.根据权利要求1所述的基于多尺度各向异性扩散的人脸光照不变图像的获取方法， 其特征在于，所述步骤(1)中新的区间不一致描述子^ 的计算方法如下先定义两个区间领域像素点(x，y)的R近邻区域Nxy (R)和近邻边界区域Bxy(R),定义 像素点(x，y)的R近邻边界区域Bxy (R)Bxy(R) = {(i，j) I (i，j) e Nxy (R)-Nxy (R-I)}式中，Nxy(R)为点(χ, y)的 R 近邻区域=Nxy(R) = {(i, j) | | χ-i 彡 R，y-j 彡 R}，对 于一对近邻像素点(X，y)和(i，j)，则定义两个近邻区域Nxy;iJ(x,y) = {(v,w) I x-v 彡 1，y-w 彡 1}Nxy;iJ(i, j) = {(v' ,w' ) ||i-v' I 彡 1，j-w' I 彡 1}假设像素(v，w)和(v’，w’)为两个近邻区域中相应的像素对，它们必须满足以下约束 x-v = i-v’和y-w = j-w'；对应两个近邻区域的灰度差为
3.根据权利要求1所述的基于多尺度各向异性扩散的人脸光照不变图像的获取方法， 其特征在于，所述步骤(2)计算扩散传递系数α (x,y)和β (x，y)，采用如下的扩散传递系 数形式
4.根据权利要求1所述的基于多尺度各向异性扩散的人脸光照不变图像的获取方法， 其特征在于，所述步骤(3)中新的各向异性扩散迭代方程式的具体形式如下
5.根据权利要求1所述的基于多尺度各向异性扩散的人脸光照不变图像的获取方法， 其特征在于，所述步骤(4)根据商图像理论并结合步骤(3)所得的大尺度特征图像对输入 的人脸灰度图像进行处理得到人脸光照不变特征图像P的方法如下对受光照污染的人脸灰度图像I以及大尺度特征图像S进行对数变换分别得到I'和 S'，对灰度图像矩阵Γ和S'求差I' -S'，并对求差后的结果进行指数变化得到小尺度 特征图像P，对小尺度特征图像进行灰度图像规范化得到人脸光照不变特征图像P
全文摘要
本发明是一种基于多尺度各向异性扩散算法的人脸光照不变特征图像的获取方法。属于图像处理技术领域。本发明基于朗伯凸表面模型将人脸图像分解为小尺度特征图像和大尺度特征图像。其中小尺度特征图像可视为一种较为理想的人脸光照不变特征图像。核心是通过引入新的区间不一致描述子，增强各向异性扩散算法对低频域图像的边缘保持能力，从而大大削弱算法的图像光晕效应；同时提出一种新的传递系数，降低由边缘锐化带来的噪声；引入一种各向异性扩散约束，使方法更加适合于处理人脸图像中的光照问题。实验表明即使在极其恶劣的光照条件下本发明也能获得很好的处理效果，并可有效地提高人脸识别或人脸认证对光照条件变化的鲁棒性。
文档编号G06K9/00GK101957912SQ20101051504
公开日2011年1月26日 申请日期2010年10月21日 优先权日2010年10月21日
发明者李伟红, 熊健, 王兵, 白志, 罗凌, 辜小花, 黄庆忠, 龚卫国 申请人:重庆大学