人臉識別中光照不變量提取算法研究.pdf

1、人臉識別作為一種非接觸式、友好的生物特征識別技術(shù)，在軍事、公安、經(jīng)濟等安全領(lǐng)域具有廣闊的應(yīng)用前景。目前人臉識別已成為模式識別、圖像處理、計算機視覺、認知科學(xué)和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的一個研究熱點。近幾十年來，國內(nèi)外研究者提出了各種人臉識別方法，并已經(jīng)生產(chǎn)出許多自動人臉識別系統(tǒng)，但是，F(xiàn)ERET和FRVT測試結(jié)果表明光照變化會嚴重影響自動人臉識別系統(tǒng)的識別性能。針對光照問題，本文以減弱或消除光照變化嚴重影響人臉識別的問題為目標，以提取光照不變量(

2、光照不敏感特征)為研究主線，從視覺模型、多尺度幾何分析、朗伯光照模型和光照不敏感特征的角度研究復(fù)雜光照情況下人臉識別問題，提出了相應(yīng)的光照不變量提取算法。下面概述本文的主要研究內(nèi)容和進展。
　　 最近，人類視覺系統(tǒng)處理圖像信息的模式受到圖像處理、圖像理解和模式識別等研究領(lǐng)域的廣泛關(guān)注。2007年Meylan等通過Naka-Rushton方程對人類視網(wǎng)膜的非線性信息處理進行建模，提出了一種基于人類視網(wǎng)膜模型的圖像局部對比度增強方法

3、。2009年Vu等將該對比度增強方法應(yīng)用在可變光照的人臉識別中，提出了一種基于視網(wǎng)膜模型的光照人臉識別方法。本文對人類視網(wǎng)膜模型和Meylan等的圖像對比度增強方法進行研究，發(fā)現(xiàn)Meylan等的圖像對比度增強方法在估計局部光照時，僅考慮圖像像素點的位置相似度未考慮像素點的強度相似度，在圖像邊緣或紋理區(qū)域不能準確估計局部光照，因此，在此基礎(chǔ)上增強的圖像會在圖像邊緣或紋理區(qū)域產(chǎn)生扭曲現(xiàn)象。針對該問題，本文將雙邊濾波(Bilateral Fi

4、ltering)引入到人類視網(wǎng)膜模型中，提出了一種基于雙邊濾波和人類視網(wǎng)膜模型的光照不變量提取算法，取得了較好的效果。
　　 光照人臉識別中基于光照模型提取光照不變量的方法主要采用朗伯光照模型。朗伯光照模型是一種經(jīng)典的經(jīng)驗?zāi)Ｐ汀Ｔ撃Ｐ图僭O(shè)目標物體表面具有朗伯反射特性，即當光線照射到物體時，物體表面向各個方向都有相同的散射，漫散射分量儀與物體表面和光源的入射角有關(guān)，與觀察者(成像設(shè)備)的位置無關(guān)。一幅灰度圖像F如果符合朗伯反射特性

5、則可以簡單的描述為：F=R×I，其中，R是圖像的內(nèi)在特征，它取決于物體的反射率和表面法向量；I是成像過程中的光照情況。經(jīng)典的光照不變量提取方法需要假設(shè)光照分量I變化緩慢，而物體的反射率和表面法向量R變化較大。因此，I對應(yīng)圖像的低頻成份；R對應(yīng)圖像的高頻成份，提取圖像光照不變量歸結(jié)為如何從圖像中將R分離出來。根據(jù)朗伯光照模型研究者提出了MSR(Multi-scale retinex，MSR)、SQI(SelfQuotient Image，

6、SQI)和MFSR(Multiscale facial structure representation，MFSR)等光照不變量提取算法。MSR和SQI通過權(quán)重的高斯濾波器獲取平滑圖像，無法保持良好的圖像邊緣信息，無法準確估計光照分量，因此，這類方法不能準確獲取光照不變量。MFSR首先對對數(shù)域圖像通過小波變換消噪模型獲取圖像的平滑成份，然后用對數(shù)域圖像減去平滑成份獲取圖像的光照不變量，取得了不錯的效果。但是，小波變換是一種各向同性的多尺

7、度分析技術(shù)，只能描述點狀奇異性，對輪廓與紋理這樣的線狀奇異性的表征則無能為力，因此，MFSR方法會產(chǎn)生較強的偽Gibbs現(xiàn)象，無法獲取圖像準確的光照不變量。針對上述方法的不足，本文對多尺度幾何分析技術(shù)進行研究，將非下采樣輪廓波變換和自適應(yīng)NormalShrink降噪技術(shù)應(yīng)用于圖像光照不變量的提取過程中，提出了一種基于NSCT和自適應(yīng)NormalShrink濾波的光照不變量提取算法及一種改進的SQI算法。實驗結(jié)果表明本文提出的算法不僅改善

8、了人臉圖像光照不變量的視覺效果，而且提高了復(fù)雜光照情況下人臉識別的識別精度。
　　 圖像輪廓作為一種主要的高頻信息受光照變化影響較小，包含著圖像的大部分信息，是圖像的一種重要的內(nèi)在特征。輪廓特征在圖像處理及模式識別領(lǐng)域受到廣泛關(guān)注，已經(jīng)被應(yīng)用于立體匹配、圖像拼接、圖像檢索和圖像識別等方面。另外，研究者發(fā)現(xiàn)圖像的方向信息比圖像的強度信息包括了更多的識別信息；人類的視覺皮層的感受野具有方向性，有效的圖像表征方法應(yīng)該是多方向和多尺度的

9、。因此，本文對圖像的輪廓信息進行研究，首先，從多尺度、多方向、輪廓特征的角度入手，提出了一種圖像光照不變量--多尺度主輪廓方向(Multiscale Principal Contour Direction，MPCD)。然后，以非下采樣輪廓波變換為基礎(chǔ)，對圖像進行輪廓分析，構(gòu)造多尺度多方向輪廓信息(復(fù)信息)。最后，根據(jù)多尺度主輪廓方向的定義提取出圖像的多尺度主輪廓方向。實驗結(jié)果表明本文提出的多尺度主輪廓方向是圖像的一種光照不敏感特征。

10、r>　　 近年來，基于圖像梯度分析的特征被應(yīng)用于圖像分割、圖像識別及動態(tài)目標跟蹤等方面。研究者們指出梯度方向是圖像的一種重要的光照不敏感梯度特征，并被應(yīng)用于復(fù)雜光照情況下人臉識別中。最近，梯度臉(Gradientfaces)通過高斯函數(shù)一階導(dǎo)數(shù)與圖像作卷積求取圖像的梯度域，在圖像的梯度域求取圖像的梯度方向，在復(fù)雜光照人臉識別中取得了較好的結(jié)果。本文在梯度方向和梯度臉的啟發(fā)下，提出了一種圖像的光照不敏感梯度特征--梯度最大分量方向(Gr