面向人臉識(shí)別的復(fù)雜光照下圖像細(xì)節(jié)增強(qiáng)算法

卓志宏

（陽(yáng)江職業(yè)技術(shù)學(xué)院，廣東陽(yáng)江 529566）

面向人臉識(shí)別的復(fù)雜光照下圖像細(xì)節(jié)增強(qiáng)算法

卓志宏

（陽(yáng)江職業(yè)技術(shù)學(xué)院，廣東陽(yáng)江 529566）

為了提高在光照過(guò)度、不足或不均等復(fù)雜光照條件下的人臉識(shí)別率，提出一種復(fù)雜光照條件的人臉圖像細(xì)節(jié)強(qiáng)化算法。首先采用對(duì)數(shù)和非線性變換對(duì)人臉圖像動(dòng)態(tài)范圍進(jìn)行壓縮;然后利用反銳化掩模濾波算法消除圖像模糊，增強(qiáng)人臉圖像細(xì)節(jié)信息;最后采用Adaboost算法建立人臉分類器，并采用Yale B人臉圖像數(shù)據(jù)進(jìn)行仿真測(cè)試。仿真結(jié)果表明，該算法解決了復(fù)雜光照條件對(duì)人臉圖像的不利影響，并進(jìn)一步提高了人臉識(shí)別率。

Retinex算法;預(yù)處理;復(fù)雜光照;人臉識(shí)別

【本文獻(xiàn)信息】卓志宏.面向人臉識(shí)別的復(fù)雜光照下圖像細(xì)節(jié)增強(qiáng)算法［J］.電視技術(shù)，2014，38（3）.

人臉圖像大多數(shù)是在非理想條件下拍攝的，當(dāng)在光照過(guò)度、不足或不均等復(fù)雜光照條件下，人臉圖像質(zhì)量降低，給人臉識(shí)別帶來(lái)困難，因此復(fù)雜光照條件下人臉圖像預(yù)處理是當(dāng)前研究的一個(gè)熱點(diǎn)問題［1］。

目前傳統(tǒng)人臉預(yù)處理研究在假設(shè)光照條件好的情況下進(jìn)行，這些方法應(yīng)用范圍受限［2］。對(duì)于光照條件下人臉預(yù)處理問題，相關(guān)的研究較少，自從FERET測(cè)試發(fā)現(xiàn)光照變化對(duì)人臉識(shí)別結(jié)果有不利影響之后，學(xué)者們才開始著手研究該問題，并提出采用圖像增強(qiáng)算法對(duì)光照條件人臉圖像進(jìn)行預(yù)處理，以提高人臉識(shí)別率［3］。傳統(tǒng)光照?qǐng)D像增強(qiáng)算法有:直方圖均衡、指數(shù)變換、對(duì)數(shù)變換、同態(tài)濾波等［4］，這些算法簡(jiǎn)單、易實(shí)現(xiàn)，但它們均是基于灰度變換的圖像增強(qiáng)算法，當(dāng)光照變化較大時(shí)，圖像增強(qiáng)處理效果不理想［5］。1977年Edwin Land等提出了Retinex的色彩理論，該理論是一種關(guān)于人類視覺光亮度和色彩感知的模型，被廣泛應(yīng)用于遙感圖像、醫(yī)學(xué)圖像、云霧干擾圖像的增強(qiáng)處理中，同時(shí)為解決復(fù)雜光照條件的人臉識(shí)別問題提供了新的研究工具［6］?；赗etinex理論的圖像增強(qiáng)算法較常見的有單尺度Retinex（SSR）、多尺度Retinex（MSR），以及多尺度 Retinex 彩色恢復(fù)（MSRCR）等算法［7－9］，然而，大量研究表明，Retinex理論輸出的圖像存在光暈、過(guò)增強(qiáng)和算法復(fù)雜度高等缺陷，且會(huì)導(dǎo)致RGB彩色偏移為灰色，即所謂的“灰度世界被破壞”，無(wú)法準(zhǔn)確對(duì)人臉圖像細(xì)節(jié)增強(qiáng)，影響后繼人臉識(shí)別［10］。

本文針對(duì)復(fù)雜光照條件下Retinex模型的不足，將對(duì)數(shù)變換、非線線變換以及反銳化掩模濾波算法引入到人臉圖像增強(qiáng)處理中，提了一種復(fù)雜光照條件的人臉圖像細(xì)節(jié)增強(qiáng)算法，并通過(guò)仿真實(shí)驗(yàn)對(duì)其性能進(jìn)行驗(yàn)證和分析。

1 Retinex理論

1.1 Retinex 算法

根據(jù)Retinex理論，一幅圖像可以看成是照射圖像和反射圖像的乘積，即

式中:I（x，y）表示原始圖像信號(hào);R（x，y）表示反射分量;L（x，y）為照射分量。

對(duì)式（1）兩邊取對(duì)數(shù)，可以分離出反射和光照分量，得到原始面貌，即

對(duì)于SSR算法，第i個(gè)顏色分量的Retinex增強(qiáng)結(jié)果Ri（x，y）為

式中:i=1，2，3;* 表示卷積操作;F（x，y）為環(huán)繞函數(shù)，其定義為

式中:σ表示標(biāo)準(zhǔn)差;C歸一化因子。

大量研究發(fā)現(xiàn)，當(dāng)σ值較小時(shí)，圖像細(xì)節(jié)增強(qiáng)效果好，壓縮范圍大，但顏色易失真;反之，圖像色彩豐富，但細(xì)節(jié)增強(qiáng)效果差。為了使兩者平衡，引入MSR算法，其數(shù)學(xué)表達(dá)式為

式中:k表示環(huán)繞尺度個(gè)數(shù);wk表示第k個(gè)尺度權(quán)重系數(shù);Fk（x，y）表示第k個(gè)環(huán)繞函數(shù)。

相對(duì)于SSR算法，MSR算法對(duì)壓縮范圍和色彩呈現(xiàn)間的平衡更好，但是圖像經(jīng)過(guò)MSR算法處理后，圖像顏色失真還是比較明顯。

1.2 Retinex算法存在的缺陷

用一幅受光照變化條件下拍攝的人臉圖像對(duì)傳統(tǒng)Retinex算法的性能進(jìn)行分析，SSR算法、MSR算法圖像增強(qiáng)效果如圖1所示。

圖1 傳統(tǒng)Retinex算法處理后圖像

從圖1中的各算法增強(qiáng)結(jié)果可知，經(jīng)過(guò)各種Retinex算法處理后，圖像局部范圍出現(xiàn)了明顯的陰影，導(dǎo)致圖像過(guò)增強(qiáng)或顏色失真較嚴(yán)重，這主要是因?yàn)镽etinex理論假設(shè)光照變化在空間上比較平滑，與實(shí)際情況不符，當(dāng)光照變化較大時(shí)，易產(chǎn)生“光暈”現(xiàn)象，針對(duì)Retinex算法不足，本文提出的復(fù)雜光照條件的自動(dòng)人臉識(shí)別算法工作流程如圖2所示。

圖2 自動(dòng)人臉識(shí)別算法的工作流程

2 人臉圖像的細(xì)節(jié)增強(qiáng)算法

2.1 動(dòng)態(tài)范圍壓縮

人眼動(dòng)態(tài)范圍可以達(dá)到100 000 000∶1，而普通顯示設(shè)備亮度動(dòng)態(tài)范圍僅為100∶1，因此為了使更多信息能夠在普通顯示設(shè)備上顯示出來(lái)，需要對(duì)圖像進(jìn)行處理［11］。對(duì)數(shù)變換不僅較大程度地壓縮了圖像動(dòng)態(tài)范圍，而且可對(duì)被壓縮圖像中的暗像素進(jìn)行有效擴(kuò)展，再者對(duì)數(shù)形式更接近人類視覺系統(tǒng)對(duì)光線的感知能力。為此本文首先對(duì)圖像的光照分量進(jìn)行對(duì)數(shù)變換，然后對(duì)結(jié)果進(jìn)行線性拉伸。對(duì)數(shù)變換的表達(dá)式為

式中:v（x，y）為光照分量的灰度值。

一幅人臉圖像經(jīng)過(guò)動(dòng)態(tài)范圍壓縮后，得到結(jié)果如圖3所示。從圖3可知，人臉圖像的暗區(qū)信息明顯增強(qiáng)，有效壓縮了圖像的動(dòng)態(tài)范圍，但出現(xiàn)增強(qiáng)過(guò)度的高光區(qū)域。

圖3 對(duì)數(shù)變換后的人臉圖像增強(qiáng)效果

為了防止出現(xiàn)高光區(qū)域，對(duì)人臉圖像進(jìn)行非線性變換，即

式中:a為調(diào)整系數(shù);表示原圖像的平均灰度值。

當(dāng)a值不同時(shí)，非線性變換后的人臉圖像效果不一樣，a越小，灰度值小的像素點(diǎn)經(jīng)過(guò)非線性變換后灰度值增加越大，但同時(shí)也容易失去圖像的紋理細(xì)節(jié)信息。反之a(chǎn)越大，雖然保留了紋理信息，但灰度值小的像素點(diǎn)增強(qiáng)不夠。因此可以選擇一個(gè)適中的a值，既增強(qiáng)暗區(qū)像素，又能很好地保留紋理，本文取a=1。圖4為a=1時(shí)的非線性變換處理后人臉圖像效果。通過(guò)對(duì)圖3和圖4進(jìn)行對(duì)比分析可知，非線性變換算法不僅可以增強(qiáng)暗區(qū)細(xì)節(jié)，同時(shí)可以很好地保留紋理，在不同光照程度下，均可以獲得到很好的圖像增強(qiáng)效果，具有更強(qiáng)的圖像增強(qiáng)魯棒性。

2.2 圖像細(xì)節(jié)增強(qiáng)

對(duì)圖像進(jìn)行動(dòng)態(tài)范圍壓縮后，圖像有時(shí)會(huì)變模糊，不利于后續(xù)的人臉識(shí)別，為此本文采用反銳化掩模濾波算法對(duì)人臉圖像的模糊區(qū)域進(jìn)行處理，使人臉圖像細(xì)節(jié)部分得以增強(qiáng)。反銳化掩模濾波是將原圖像減去一個(gè)平滑圖像的過(guò)程。高斯模糊可表示為

圖4 非線性變換算法的處理效果

式中:G（x，y）力是二維高斯函數(shù)，其定義為

由于銳化掩模濾波可以消除U（x，y）中大量的低頻信息，保留了高頻信息，可以增強(qiáng)圖像的細(xì)節(jié)信息。

得到模糊圖像后，反銳化掩模濾波表示為

3 仿真實(shí)驗(yàn)

3.1 數(shù)據(jù)來(lái)源及對(duì)比算法

為了驗(yàn)證自動(dòng)人臉識(shí)別算法在復(fù)雜光照下的人臉圖像細(xì)節(jié)增強(qiáng)性能，選擇Yale B人臉圖像數(shù)據(jù)的1個(gè)人585張圖片進(jìn)行仿真實(shí)驗(yàn)，選取其中5張臉圖像，如圖5所示。為了使SSR算法結(jié)果更具說(shuō)服力，在相同條件下，采用SSR算法、MSR算法在相同條件下進(jìn)行對(duì)比實(shí)驗(yàn)。

圖5 人臉原圖

3.2 人臉圖像增強(qiáng)后的視覺效果對(duì)比

各種算法的人臉圖像增強(qiáng)效果如圖6所示。從圖6可知，SSR算法較好地增強(qiáng)了人臉圖像中的暗區(qū)信息，消除了人臉局部陰影，但圖像增強(qiáng)有點(diǎn)過(guò)度，出現(xiàn)白化現(xiàn)象。MSR算法克服了SSR算法的白化現(xiàn)象，圖像銳化效果更好，豐富了人臉圖像的細(xì)節(jié)信息，但同樣存在局部過(guò)亮和過(guò)暗現(xiàn)象。相對(duì)其他算法，自動(dòng)人臉識(shí)別算法很好地消除了人臉圖像中的局部陰影，提高圖像的對(duì)比度，獲得了更好的視覺效果。

3.3 客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)對(duì)比

人臉圖像視覺效果是一種主觀圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)，為了更準(zhǔn)確說(shuō)明本文算法的優(yōu)越性，采用熵、平均亮度、對(duì)比度3個(gè)標(biāo)準(zhǔn)作為圖像質(zhì)量客觀評(píng)價(jià)指標(biāo)。各算法對(duì)圖像處理后的信息熵、亮度、對(duì)比度結(jié)果如圖7所示。

圖7 不同算法客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)

從圖7可知，在所有客觀質(zhì)量評(píng)價(jià)指標(biāo)中，自動(dòng)人臉識(shí)別算法的綜合性能優(yōu)于傳統(tǒng)Retinex算法，這表明本文提出的自動(dòng)人臉識(shí)別算法較好地解決了傳統(tǒng)Retinex存在的難題，提高了復(fù)雜光照條件下的人臉圖像預(yù)處理效果。

3.4 對(duì)后繼人臉識(shí)別結(jié)果影響

為了檢驗(yàn)各種Retinex算法對(duì)后續(xù)人臉識(shí)別效果的影響，首先采用SSR算法、MSR算法和自動(dòng)人臉識(shí)別算法對(duì)人臉圖像光照進(jìn)行細(xì)節(jié)增強(qiáng)后，然后采用Adaboost算法建立人臉分類器，并通過(guò)人臉識(shí)別率來(lái)衡量各光照處理算法優(yōu)劣，實(shí)驗(yàn)圖像數(shù)據(jù)來(lái)自Yale B人臉庫(kù)。由于本文主要針對(duì)光照變化問題，因此只選擇圖像庫(kù)中正面有光照變化的人臉圖像，根據(jù)光源方向和照相機(jī)軸線間的夾角，將人臉圖像化分為5個(gè)子集，5個(gè)子集如表1所示，人臉識(shí)別結(jié)果如圖8所示。

表1 5個(gè)人臉子集

圖8 各種算法的人臉識(shí)別率

對(duì)圖8實(shí)驗(yàn)結(jié)果進(jìn)行分析，得到如下結(jié)論:

1）人臉圖像經(jīng)過(guò)增強(qiáng)處理后，人臉識(shí)別率均得到了不同程度的提高，說(shuō)明光照變化對(duì)人臉識(shí)別結(jié)果產(chǎn)生了不利影響，對(duì)人臉圖像進(jìn)行預(yù)處理以增強(qiáng)效果是必須的。

2）對(duì)于5個(gè)子集，傳統(tǒng)Retinex算法（SSR、MSR）的識(shí)別率均較低，總體性能MSR算法優(yōu)于SSR算法。同時(shí)傳統(tǒng)Retinex算法只能在子集3～5獲得較高的人臉識(shí)別率，其他子集人臉識(shí)別率均很低，這是因?yàn)樽蛹?～5中的人臉圖像受到光照影響較小，因此識(shí)別結(jié)果最好;對(duì)光照影響較大的1～2子集，傳統(tǒng)Retinex算法均無(wú)法很好地消除光照變化影響，導(dǎo)致人臉識(shí)別率較低。

3）相對(duì)于對(duì)比算法，自動(dòng)人臉識(shí)別算法有3個(gè)子集的人臉識(shí)別率達(dá)到100%，各個(gè)子集的平均人臉識(shí)別率達(dá)97.24%，人臉誤識(shí)率下降十分明顯，主要是因?yàn)樽詣?dòng)人臉識(shí)別算法引入了對(duì)數(shù)變換、非線線變換以及反銳化掩模濾波算法，克服傳統(tǒng)Retinex算法存在的不足，較好地消除光照變化的不利影響，進(jìn)一步提高了人臉的識(shí)別率。

3.5 算法運(yùn)行速度

對(duì)人臉識(shí)別系統(tǒng)，識(shí)別速度十分重要，為此，在Pentium 雙核2.5 GHz CPU，內(nèi)存4 Gbyte，操作系統(tǒng)為Windows XP的平臺(tái)，采用VC++編程，計(jì)算各種人臉圖像增強(qiáng)算法后的人臉識(shí)別時(shí)間，結(jié)果見表2。從表2可知，在所有算法中，自動(dòng)人臉識(shí)別算法耗時(shí)最短，運(yùn)行速度最快，主要由于自動(dòng)人臉識(shí)別算法在動(dòng)態(tài)范圍壓縮過(guò)程減少了高斯模糊運(yùn)算，同時(shí)，圖像細(xì)節(jié)增強(qiáng)過(guò)程忽略了低頻信息，大幅度降低計(jì)算量，因此，自動(dòng)人臉識(shí)別算法十分適合應(yīng)用于實(shí)時(shí)性要求的人臉識(shí)別系統(tǒng)。

表2 不同算法的人臉識(shí)別時(shí)間對(duì)比

4 結(jié)束語(yǔ)

針對(duì)傳統(tǒng)Retinex算法在復(fù)雜光照條件下的不足，提出一種人臉圖像細(xì)節(jié)增強(qiáng)算法。仿真結(jié)果表明，人臉圖像細(xì)節(jié)增強(qiáng)算法可以消除光照條件對(duì)人臉圖像不利影響，有利于提高人臉識(shí)別率。

:

［1］NARASIMHAN S，NAYAR S.Contrast reatoration of weather degraded images［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2003，25（6）:713－724.

［2］李冠章，羅武勝，李沛.適應(yīng)彩色空間的圖像對(duì)比度增強(qiáng)算法［J］.傳感技術(shù)學(xué)報(bào)，2009，22（6）:833－837.

［3］李冠章，羅武勝，李沛.可避免彩色失真的圖像對(duì)比度增強(qiáng)［J］.計(jì)算機(jī)仿真，2008，25（10）:228－231.

［4］TAN X，TRIGGS B.Enhanced local texture feature sets for face recongnition under difficult lighting conditions［J］.IEEE Trans.Image Processing，2010，19（6）:1635－1650.

［5］YOUNG K，SEOKL P，JOONG K.Retinex method based on adaptive smoothing for illumination base on adaptive smoothing for illumination invariant face recognition［J］.Signal Processing，2008（88）:1929－1945.

［6］于玲，劉彥隆，郭建軍.離散小波變換和Fast PCA與SVM在人臉識(shí)別技術(shù)中的應(yīng)用［J］.電視技術(shù)，2012，36（23）:172－176.

［7］黃玉飛，齊和平，張文斌，等.基于小波系數(shù)和LS—SVM的圖像去噪［J］.電視技術(shù)，2013，37（1）:18－22.

［8］許欣，陳強(qiáng)，王平安，等.消除光暈現(xiàn)象的快速Retinex圖像增強(qiáng)［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2008，20（10）:1325－1331.

［9］孫勁光，李揚(yáng)，孟祥福，等.改進(jìn)的單尺度Retinex及其在人臉識(shí)別中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用研究，2011，28（12）:4790－4793.

［10］李福文，金偉其，陳偉力，等.基于Retinex模型的彩色圖像全局增強(qiáng)算法［J］.北京理工大學(xué)學(xué)報(bào)，2010，30（8）:947－951.

［11］王小明，方曉穎，劉錦高.復(fù)雜光照下的自適應(yīng)人臉增強(qiáng)［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47（2）:15－18.

Details Strengthen Algorithm for Face Image Recognition in Complex Illumination Conditions

ZHUO Zhihong

（Yangjiang Vocational and Technical College，Guangdong Yangjiang 529566，China）

In order to improve the rate of face recognition in excessive，inadequate，or non－uniform complex illumination conditions，a details strengthen algorithm for face image in the complex illumination conditions is proposed in this paper.Firstly，logarithmic and nonlinear transform is used to compress the dynamic range of face image.Then the unsharp mask filtering algorithm is used to remove the fuzzy image message to enhance the details of face image，F(xiàn)inally，adaboost algorithm is used to build a classifier for face recognition，and the simulation test is carried out on Yale B face database.The simulation results show that the proposed algorithm has solved problem for face recognition in complex illumination conditions and improved the face recognition rate.

Retinex algorithm;pretreatment;complex illumination;face recognition

TN911.73;TP391

A

卓志宏（1979— ），碩士，講師，主要研究領(lǐng)域?yàn)閳D像處理、人工智能。

責(zé)任編輯:時(shí) 雯

2013－03－04