l人脸检测中的图像光照处理研究.docVIP

人脸检测中的图像光照处理研究 甘树坤1,吕颖2,吕雪飞1 （1.吉林化工学院 机电工程学院 吉林省计量科学研究院 吉林 长春 关键词：人脸检测；光照处理；对数变换；局部归一化；图像增强 中图分类号：TP391.41 文献标识码：A 近年来,由于身份鉴别、信息安全、反恐以及监控系统等方面的广泛需求和巨大的发展前景,人脸检测与识别已经成为模式识别和图像处理等学科研究的一个热点课题。在人脸检测过程中能否正确的检测出人脸，即通过相应图像处理理论和算法准确找到或锁定人眼的位置和人脸区域,对后续的人脸识别起着至关重要的影响。 在人脸图像采集过程中，许多情况下都存在光照的不均从而影响人脸检测的结果，如何避免光照的影响从而精确的检测出人脸区域成为目前人脸检测及人脸识别的一大难题。目前国内外提出的光照处理算法主要分为两大类：2D空间图像光照处理和3D空间光照模型。[1~4]。3D空间光照算法对图像光照调节效果明显，但其计算复杂度较高。2D空间的图像光照处理计算复杂度低，常用的有直方图均衡(HE),直方图规定化(HS)，对数变换(LOG) [5]以及Gamma强度矫正(GIC) [6]等。这些方法只能对某些特定的图像有效，而对其他的图像还可能增加人脸检测的难度，因此鲁棒性较差。 本文通过对不同算法的特点和不同光照情况下的图像的分析，提出了一种新的基于图像灰度统计特性的复合光照处理方法。该方法充分考虑了光照在图像中的局部性，通过对图像局部的均值和方差进行调节，从而既改善了图像的光照不均，也消除了局部处理所产生的虚假边界。通过对人脸标准图像数据库[7]的实验表明，该方法可以有效的减少图像光照对人脸检测准确率的影响。 1 人脸图像的光照处理 本文通过对于人脸图像的光照处理算法中目前较为常用的图像对数变换、图像全局归一化方法及图像局部归一化三种算法进行描述和研究，进而得出了一种效果更好的复合光照处理算法。 1.1 图像对数变换 图像的对数变换，就是将图像中的每个像素点的值取对数，然后映射到新的图像像素值。人脸图像可以定义为×h的二维矩阵Iold，对数变换新的图像Inew，I(i,j)代表图像中i行，第j列的像素值，则： (1) 其中：C为尺度比例系数。 1.2 图像的全局归一化处理×h的人脸图像Iold，I(i,j)代表图像中第i行,第j列的像素值，则该图像的总体均值和方差计算公式如下： 总体的均值M： （2） 总体的方差V： （3） 图像全局归一化即将图像的均值和方差调整到一个给定的均值M0和方差V0，这两个参数的确定主要结合不同效果的人脸图像的来源，及在人脸检测过程中算法处理的实验经验结果，一般情况下M0值约设为150，V0值约设为2500。通过(4)公式计算而得到的输出图像即为结果图像。  （4） 1.3 图像的局部归一化处理处理 （1）无重叠局部归一化处理均匀分成子块，然后按全局归一化方法计算每个子块的新图像的像素值得到新的图像。采用此方法可以显著提高图像局部的对比度，但会产生了虚假边界，干扰后续的检测与识别结果。 （2）有重叠局部归一化处理a1-b1-c1-d1组成图像的一个子块为B1；b1-b2-d1-d2组成与B1有重叠区为b1-d1的子块B2；b2-a2-d2-c2组成与B2重叠区为b2－d2的子块B3；c1-d1-c3-d3组成与B1重叠区为c1-d1子块B4；……以此类推。 图1 图像的分块示意图 根据图中的a, b, c, d各类图像区域的位置的不同，在进行归一化时像素取值的计算方法方法采用如下不同方式。 ① a区域(a1,a2,a3,a4)： a区域为图像的角点，且各自只属于一个图像子块。因此像素值最容易计算。以a1为例： （5） 其中是由式(2)、(3)、(4)在B1子块中计算所得到的相应位置新的像素值。 b区域(b1,b2,b3,b4)： b区域分别各属于两个水平图像子块，因此计算该区域的像素值时需要考虑两个子块的共同影响。这里以最常用的线性插值来拟合该区域的像素。下面以b1为例来说明。设b1的宽度为W，则： (6) 其中和是由式(2)、(3)、(4)分别在B1和B2子块中计算所得到的相应位置新的像素值。 ③c 区域(c1,c2,c3,c4)： c区域分别各属于两个垂直图像子块，因此计算该区域的像素值时也需要考虑两个子块的共同影响。下面以c1为例来说明。设c1的高度为H，则： (7) 其中和是由式(2)、(3)、(4)分别在B1和B4子块中计算所得到的相应位置新的像素值。 ④d 区域(d1,d2,d3,d4)： d区域是图像中最复杂的区域，该区域分别是由4个子块共同所有，因此需要考虑每个子块的作用。这里以d1为例来说明如