可变光照条件下图像预处理方法研究.docVIP

可变光照条件下的图像预处理方法研究 　　摘要:图像预处理是人脸识别技术的重要组成部分,而光照问题是预处理技术的难点和重点。传统的图像预处理算法使图像信息损失较大。全局调整函数在调整图像的光照状态的过程中并不会引入更多的噪声或者损失更多的信息,而是加强了图像中原有的一些信息,从而使得图像中的特征更加的明显,降低了光照因素对图像的影响,使图像的辨识度更高。 　　 关键词:人脸识别;直方图均衡;视觉感知;全局调整函数 　　 DOI:10.3969/j.issn.1672-8289.2010.10.053 　　 　　 0 引言 　　随着社会安全和计算机技术的迅猛发展,人脸识别技术得到了广泛应用。促进了人脸识别技术的迅速发展,现有的算法在检测和识别室内正常环境中采集的人脸图像已经达到了较高的识别率,但是,各种系统对于处理复杂环境中采集的人脸图像还不是很成熟,还有很多问题有待解决。对于同一张人脸,当人的姿态、表情以及采集环境中的光源数量、光源强度和方向等因素发生变化时,采集到的人脸图像将会有重大的变化。现有的一些算法的性能将明显的下降。研究人员分别针对光照、姿态以及表情等因素提出了一些相应的算法。因为本课题主要应用背景是车辆内的人脸识别,因此针对姿态和表情问题可以采取相应的限制手段解决,因此对图像的预处理主要解决光照变化对图像识别的影响。 　　针对光照问题,目前现有的研究方法主要分为以下3类:增强图像的方法、基于不变特征的方法、光照变化建模方法的方法[1]。第一类算法着重于图像本身,期望从现有的图像中恢复出尽可能多的信息,以减弱光照变化给图像带来的影响,其中最常采用的方法是直方图均衡法。第二类算法着重于寻找具有光照不变性的特征来描述光照变化下的图像。而第三类算法着重于描述不同光照环境中图像的变化情况,即通过建立模型来预测人脸在各种光照环境中可能的产生的图像。该模型可以直接通过人脸的形状信息建立,也可以利用光照对图像带来的变化建立。利用形状信息建立模型最关键的问题就是要从图像中恢复出物体的三维信息[2]。 　　1 传统图像预处理方法 　　 1.1增强图像方法 　　当目标物体本身的姿态固定,同时采集设??的观测角度也确定后,环境中的光照条件将决定采集到的图像的表像。而入射光可以看作是目标物体表面特性的放大器,即较强的光线可以放大目标物体的表面特性而较弱的光线则起抑制作用。于是,对于在非均匀光照条件下采集到的图像,可以看作是其中的一部分信息被放大或者抑制。如果可以对被抑制或者放大的信息做适当的调整,则可以减弱光照对图像的影响。直方图均衡[3](Histogram Equalization, HE)是常用手段,它把一已知灰度概率分布的图像,变换成具有均匀概率分布的图像的过程,直方图均衡是针对图像的一个整体的操作,也就是对取相同灰度值的点所作的操作都是相同的。直方图均衡只是针对象素点的运算,调整的过程中并没有考虑到每个象素点周围的情况,所以调整之后的图像虽然对比度可以加强,但同时图像中的噪声也会被加强。直方图均衡方法在人脸检测、识别中常被用来预处理图像,以减弱光照变化对图像的影响。Sung以及Rowley在人脸检测算法中,通过从原图中减掉一个近似的平面反射光照估计来去除光照的影响,而后通过直方图均衡的方法加强对比度。根据光照的基本知识,光照对于灰度值的影响并不是加性的而是乘性的,因此用减法并不能消除光照的影响。 　　1.2基于不变特征的方法 　　基于不变特征方法的主要思想是寻求人脸中光照不变或至少对光照变化不敏感的特征。Adini 指出表面反射率或方向的不连续会引起灰度跃变,而那些与灰度跃变有关的图像边缘信息可能对光照变化不敏感。基于上述结论,很多研究人员设计通过提取人脸的边缘特征进行人脸识别。首先进行边缘检测,然后通过计算两幅图像的边缘图距离来进行识别。Takacs用 Sobel 边缘检测算法得到二值边缘图,然后计算两幅边缘图的 Hausdorff 距离来进行识别[4]。Gao 等提出提取图像的线性边缘图(Line Edge Line)的方法,这种方法将模板匹配与几何特征匹配结合起来,既保留了基于特征的识别方法的光照不敏感性和低存储量,又具有模板匹配的高识别率。Gabor 函数对于图像的边缘敏感,能够提供良好的方向选择和尺度选择特性而且对于光照变化不敏感,能够提供对光照变化良好的适应性。Liu 和 Wechsler利用增强的 Fisher 线性判别模型对 Gabor 特征进行进一步的提取和分类。此外,人脸图像中常用的对光照变化不敏感的特征还有:图像的梯度信息、非线性 Log 函数变换以及图像的微分变换等。 　　基于不变特征方法的思想很直接,但实践表明这种方法对光照校正都有一定的局限性,Adini 实验表明“没有任何表示