极端光照人脸识别的光照归一化方法
【专利摘要】本发明提供一种极端光照人脸识别的光照归一化方法，通过模仿灵长类动物的视网膜模型，利用改进后的Naka-Rushton方程式建立基于视网膜的光照归一化模型，在计算Naka-Rushton方程式中的适应因子时，适应因子在考虑光照差异的情况下进行估算，考虑到光照条件的影响，实施例中着重对人脸图像中的低频和高频信息采用不同的算法进行处理，从而提高系统整体鲁棒性；并经过实验验证，该方法受训练集选择影响极小，具有很好的稳定性。
【专利说明】极端光照人脸识别的光照归一化方法
【技术领域】
[0001]本发明涉及光照归一化处理、视网膜模型的建立以及极端光照情况下的人脸识别技术。
【背景技术】
[0002]在过去许多年，人脸识别的研究已经取得了显著进展。然而，在不受控制的自然环境下，人脸识别的研究仍然面临许多挑战。在某种程度上，对于一个有效的人脸识别系统来说，光照变化始终是一个未解决的问题，它严重地降低了人脸识别系统的性能。
[0003]光照变化对人脸识别影响的问题，近年已经引起了研究人员的重视，并提出了多种方法。这些方法大致可归为3类:光照三维模型、光照不变量提取以及光照归一化方法。
[0004]光照三维模型是指通过三维模型对人脸图像进行拟合来消除光照影响。为了获取有效的三维模型，这类方法不仅需要充足的训练样本，而且要假设人脸图像是凸的结构，并且算法的复杂度较高，这些条件往往在实际应用中很难实现。
[0005]光照不变量提取是指提取与光照条件无关的特征，消除光照变化的影响。为解决这个问题，已经提出了许多方法，包括多尺度retinex (MSR)、对数全变差(LTV)和梯度脸等等。然而，这些方法不能完全地消除不同的光照效果，光晕现象依然存在。
[0006]光照归一化是指利用基本的图像处理技术对光照图像进行预处理，获取光照鲁棒的图像。该方法主要包括:对数变换、直方图均衡化、伽玛校正、自适应直方图均衡化以及局部直方图均衡化等。尽管此类方法能够从一定程度上消除光照变化对人脸识别的影响，但是在复杂光照情况下识别率很难令人满意。近来，受人类视觉系统的启发，许多方法已经用于图像处理和特征提取当中。Meylan等人提出了一种改进的Naka-Rushton方程式,并且在此方程式的基础上运用两种连续的非线性运算来模拟人类视觉系统，从而避免光晕，提高总体的外观。
[0007]随后，通过使用上述两种连续的非线性运算和高斯滤波器的差异，提出了一种基于视网膜模型的光照归一化方法。该方法在不同光照条件下的人脸识别中能够实现良好的性能。但是，目前仍亟需进一步消除光照变化对人脸识别的影响。
【发明内容】
[0008]为了解决上述方法在极端光照情况下人脸识别的效果不能令人满意的问题，本发明目的是从人类视网膜模型出发，提出更有效的光照归一化方法，以便提高极端光照情况下人脸识别的识别准确性。
[0009]为了达到上述目的本发明所采取的技术方案是:
[0010]一种极端光照人脸识别的光照归一化方法，
[0011]分析灵长类动物视网膜模型的功能层，查阅已有视网膜模型，为基于视网膜的光照归一化模型的建立提供参考；
[0012]利用Naka-Rushton方程式,为光照归一化模型的建立提供具体原理依据；[0013]在计算Naka-Rushton方程式中的适应因子时，适应因子在考虑光照差异的情况下进行估算；
[0014]光照归一化处理部分将人脸图像分为低频和高频部分，进而分别采取不同的算法进行处理。
[0015]优选地，建立光照归一化模型:利用灵长类动物的视网膜模型，功能层包括感光器层、外部网状层OPL和内部网状层IPL，建立基于视网膜模型的光照归一化模型，包括两个连续的本地图像光照压缩和一个空间带通滤波。
[0016]优选地，Naka-Rushton方程式:通过在邻域上执行高斯滤波来计算每个像素,具体定义如下:
[0017]
【权利要求】
1.一种极端光照人脸识别的光照归一化方法，其特征在于: 分析灵长类动物视网膜模型的功能层，查阅已有视网膜模型，为基于视网膜的光照归一化模型的建立提供参考； 利用Naka-Rushton方程式，为光照归一化模型的建立提供具体原理依据； 在计算Naka-Rushton方程式中的适应因子时，适应因子在考虑光照差异的情况下进行估算； 光照归一化处理部分将人脸图像分为低频和高频部分，进而分别采取不同的算法进行处理。
2.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于:建立光照归一化模型:利用灵长类动物的视网膜模型，功能层包括感光器层、外部网状层OPL和内部网状层IPL，建立基于视网膜模型的光照归一化模型，包括两个连续的本地图像光照压缩和一个空间带通滤波。
3.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于:Naka-Rushton方程式:通过在邻域上执行高斯滤波来计算每个像素，具体定义如下:
4.如权利要求1所述的极端光照人脸识别的光照归一化方法，其特征在于:估算适应因子:1表示原始图像，A表示I的低频子带，DH、DV和DD分别表示I的高频子带； 基于Otsu的光照分类在低频子带A上进行，假设t是由Otsu获得的阈值，A的光照条件可大约分为两类:
5.如权利要求1-4任一项所述的极端光照人脸识别的光照归一化方法，其特征在于:针对人脸识别的光照归一化，建立人类视觉模型: 单级离散二维小波变换用来实现对人脸图像提取低频和高频信息； 通过模仿视网膜信息处理机制来处理低频信息，并且大型高频系数由一个阈值截断； 通过对适合的低频和高频信息求离散二维变换并取其倒数来获得光照归一化结果。
6.如权利要求5所述的极端光照人脸识别的光照归一化方法，其特征在于: 低频信息处理: 第一步，建立感光层:低频子带A的处理方程式如下，
7.如权利要求5所述的极端光照人脸识别的光照归一化方法，其特征在于: 高频信息处理: 令H表示DH、DV或DD，高频子带的截断处理如下:
【文档编号】G06K9/00GK103870820SQ201410136046
【公开日】2014年6月18日 申请日期:2014年4月4日 优先权日:2014年4月4日
【发明者】程勇, 焦良葆, 曹雪虹, 陈瑞 申请人:南京工程学院