人臉識(shí)別中光照不變量提取算法研究.pdf

1、人臉識(shí)別作為一種非接觸式、友好的生物特征識(shí)別技術(shù)，在軍事、公安、經(jīng)濟(jì)等安全領(lǐng)域具有廣闊的應(yīng)用前景。目前人臉識(shí)別已成為模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)、認(rèn)知科學(xué)和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的一個(gè)研究熱點(diǎn)。近幾十年來(lái)，國(guó)內(nèi)外研究者提出了各種人臉識(shí)別方法，并已經(jīng)生產(chǎn)出許多自動(dòng)人臉識(shí)別系統(tǒng)，但是，F(xiàn)ERET和FRVT測(cè)試結(jié)果表明光照變化會(huì)嚴(yán)重影響自動(dòng)人臉識(shí)別系統(tǒng)的識(shí)別性能。針對(duì)光照問(wèn)題，本文以減弱或消除光照變化嚴(yán)重影響人臉識(shí)別的問(wèn)題為目標(biāo)，以提取光照不變量(

2、光照不敏感特征)為研究主線(xiàn)，從視覺(jué)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(shí)別問(wèn)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?jī)?nèi)容和進(jìn)展。
　　 最近，人類(lèi)視覺(jué)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(shí)別等研究領(lǐng)域的廣泛關(guān)注。2007年Meylan等通過(guò)Naka-Rushton方程對(duì)人類(lèi)視網(wǎng)膜的非線(xiàn)性信息處理進(jìn)行建模，提出了一種基于人類(lèi)視網(wǎng)膜模型的圖像局部對(duì)比度增強(qiáng)方法

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

4、ltering)引入到人類(lèi)視網(wǎng)膜模型中，提出了一種基于雙邊濾波和人類(lèi)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(shí)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(yàn)?zāi)Ｐ?。該模型假設(shè)目標(biāo)物體表面具有朗伯反射特性，即當(dāng)光線(xiàn)照射到物體時(shí)，物體表面向各個(gè)方向都有相同的散射，漫散射分量?jī)x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(wú)關(guān)。一幅灰度圖像F如果符合朗伯反射特性

5、則可以簡(jiǎn)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(guò)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(duì)應(yīng)圖像的低頻成份；R對(duì)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(lái)。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(guò)權(quán)重的高斯濾波器獲取平滑圖像，無(wú)法保持良好的圖像邊緣信息，無(wú)法準(zhǔn)確估計(jì)光照分量，因此，這類(lèi)方法不能準(zhǔn)確獲取光照不變量。MFSR首先對(duì)對(duì)數(shù)域圖像通過(guò)小波變換消噪模型獲取圖像的平滑成份，然后用對(duì)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(cuò)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(diǎn)狀奇異性，對(duì)輪廓與紋理這樣的線(xiàn)狀奇異性的表征則無(wú)能為力，因此，MFSR方法會(huì)產(chǎn)生較強(qiáng)的偽Gibbs現(xiàn)象，無(wú)法獲取圖像準(zhǔn)確的光照不變量。針對(duì)上述方法的不足，本文對(duì)多尺度幾何分析技術(shù)進(jìn)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(guò)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(jìn)的SQI算法。實(shí)驗(yàn)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(jué)效果，而且提高了復(fù)雜光照情況下人臉識(shí)別的識(shí)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(shí)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(shí)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(qiáng)度信息包括了更多的識(shí)別信息；人類(lèi)的視覺(jué)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(duì)圖像的輪廓信息進(jìn)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(duì)圖像進(jìn)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(shí)驗(yàn)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(lái)，基于圖像梯度分析的特征被應(yīng)用于圖像分割、圖像識(shí)別及動(dòng)態(tài)目標(biāo)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(shí)別中。最近，梯度臉(Gradientfaces)通過(guò)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(shí)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