一種消除光照不均勻的lbp人臉識(shí)別方法
【專利摘要】本發(fā)明公開(kāi)了一種消除光照不均勻的LBP人臉識(shí)別方法，解決光照不均勻影響LBP人臉識(shí)別率的問(wèn)題。采用的技術(shù)方案是：將人臉灰度圖片I變換到Log域，分離出帶著光照不變信息的人臉圖片R；將人臉圖片I進(jìn)行閾值分割，得到標(biāo)記出光照區(qū)域和陰影區(qū)域的圖片M；根據(jù)圖片M，將圖片R和圖片I進(jìn)行合并成一張消除掉光照區(qū)域和陰影區(qū)域的新圖片N；對(duì)圖片N各個(gè)子塊提取LBP紋理特征向量；最后將各個(gè)子塊的LBP特征向量按順序串成一個(gè)特征向量，此向量即最后提取的消除光照影響的LBP特征向量。本發(fā)明大大減小光照對(duì)人臉識(shí)別的影響，有效改善人臉識(shí)別的光照魯棒性，提升人臉識(shí)別的正確率。
【專利說(shuō)明】-種消除光照不均勻的LBP人臉識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理、模式識(shí)別【技術(shù)領(lǐng)域】，特別涉及一種消除光照不均勻的 LBP人臉識(shí)別方法。

【背景技術(shù)】
[0002] 生物識(shí)別技術(shù)是通過(guò)人類生物特征識(shí)別身份的一種技術(shù)。生物識(shí)別技術(shù)所研究的 生物識(shí)別特征包括人臉、指紋、掌紋、虹膜、視網(wǎng)膜等等。由于人體特征的唯一性，這些人體 生物密鑰是很難被復(fù)制、失竊或者遺失的，因此生物識(shí)別技術(shù)比傳統(tǒng)的身份鑒定方法更可 靠、便捷。人臉識(shí)別是近年來(lái)發(fā)展最快的生物特征識(shí)別技術(shù)。人臉識(shí)別的主要算法有基于 幾何特征的人臉識(shí)別方法、基于模板匹配的人臉識(shí)別方法、基于樣本學(xué)習(xí)的人臉識(shí)別方法 和基于紋理特征的人臉識(shí)別方法，本文介紹的LBP (Local Binary Pattern)即局部二值模 式是一種基于紋理特征的人臉識(shí)別方法。
[0003] LBP是一種灰度范圍內(nèi)的紋理度量，最初由Ojala等人提出，并將其成功運(yùn)用于紋 理分類(見(jiàn)參考文獻(xiàn)1)，后來(lái)被引用到人臉識(shí)別當(dāng)中，并取得了較好的效果。然而在實(shí)際應(yīng) 用中，大多數(shù)算法對(duì)光照的變化都十分敏感。事實(shí)上，光照變化導(dǎo)致的人臉圖像的差異已經(jīng) 超過(guò)由于個(gè)體不同引起的圖像差異，根據(jù)國(guó)際人臉識(shí)別評(píng)估報(bào)告，在復(fù)雜的光照條件下，目 前各種人臉識(shí)別算法的識(shí)別率平均下降15%左右。在光照變化情況下LBP人臉識(shí)別結(jié)果也 很不理想(見(jiàn)參考文獻(xiàn)2)。
[0004] 目前人臉圖像的光照處理方法大致分為以下兩類：（1)提取光照不變特征進(jìn)行人 臉識(shí)別；（2)恢復(fù)標(biāo)準(zhǔn)光照人臉圖像進(jìn)行人臉識(shí)別。前者從圖像中提取既對(duì)光照變化不敏 感又能代表個(gè)體特征的信息，而不需要考慮圖像可視化的效果。后者對(duì)不同光照條件下的 人臉圖像進(jìn)行修正，得到正面正常光照條件下的人臉圖像，保證圖像的視覺(jué)質(zhì)量。對(duì)于光照 不變特征的進(jìn)行人臉識(shí)別的方法，人們經(jīng)常假設(shè)人臉的成像過(guò)程符合朗伯光照模型。根據(jù) 朗伯光照模型，一副灰度人臉圖像可以認(rèn)為是反射系數(shù)(光照不變特征量)R(x，y)和光照分 量L(x，y)的乘積，即光照條件下的圖像I(x，y)可以表示為： I (x, y)= R(x, y) L(x, y) 對(duì)一副光照?qǐng)D像來(lái)說(shuō)，R(x，y)是光照不變量，是用于人臉識(shí)別的重要特征，所以人們通 過(guò)把I(x，y)的光照分量L(x，y)濾除掉，提取出光照不變特征R(x，y)用于人臉識(shí)別。這樣 雖然可以改善光照對(duì)人臉識(shí)別的影響，但是丟棄了人臉圖像的光照分量L(x，y)，這部分分 量也帶著人臉特征的信息。對(duì)于非均勻光照的人臉圖像，一般是人臉的一部分存在光照，一 部分不存在光照，這種情況下如果采用上述方法，對(duì)于存在光照的區(qū)域可以提取出光照不 變特征，但是對(duì)于不存在光照的區(qū)域就會(huì)丟失掉L(x，y)攜帶的人臉特征的信息。
[0005] 針對(duì)上述問(wèn)題，本發(fā)明提出一種既能保留非光照區(qū)域的人臉?biāo)刑卣餍畔⒂帜芴?取光照區(qū)域的人臉光照不變特征的LBP人臉識(shí)別方法。
[0006] 參考文獻(xiàn) 1 Ojala T.，Matti P and David H. A Comparative Study of Texture Measures with Classification based on Feature Distribution. Pattern recognition, 1996.29(1), pp51-59. 參考文獻(xiàn) 2 :Ahonen, T. , Hadid, A. , Pietikainen, Μ. . Face recognition with local binary patterns. 8th European Conference on Computer Vision, 2004, pp469_481。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于消除不均勻光照對(duì)LBP人臉識(shí)別方法的影響。
[0008] 為實(shí)現(xiàn)上述目的，本發(fā)明采用的方法按以下步驟實(shí)現(xiàn)：一種消除光照不均勻的 LBP人臉識(shí)別方法，其特征在于：按以下步驟實(shí)現(xiàn)， 501 :先進(jìn)行人臉圖像提取，然后轉(zhuǎn)化為人臉灰度圖像I (X，y)，根據(jù)朗伯光照模型，由 I(x，y)=R(x，y) L(x，y);提取光照不變特征圖像R(x，y)，其中L(x，y)為光照分量； 502 :將人臉灰度圖像進(jìn)行均勻分塊； 503 :標(biāo)記存在光照或者陰影的子塊，獲得標(biāo)記圖像M(x，y); S04:參照標(biāo)記圖像M(x，y)標(biāo)記的區(qū)域，在M(x，y)標(biāo)記光照或陰影的子塊提取光照不 變特征圖像R(x，y)上相應(yīng)的區(qū)域，在標(biāo)記正常的子塊提取灰度人臉圖像I(x，y)上相應(yīng)的 區(qū)域，然后合并成一張新的人臉圖像N(x，y); S05 :對(duì)新的人臉圖像N(X，y)提取各個(gè)子塊的LBP紋理特征值向量，然后將各個(gè)子塊的 特征向量按順序連接成一個(gè)一維向量，用于人臉識(shí)別。
[0009] 在本發(fā)明一實(shí)施例中，所述步驟S 0 1中 將灰度圖像轉(zhuǎn)換到對(duì)數(shù)域，再濾除光照信息：即 = + ，由于jf是高頻分量而￡_屬于低頻分量，根據(jù) -i·',將r通過(guò)一個(gè)高通濾波器濾除￡_，提取出及·；也能根據(jù)公式π，將r 通過(guò)一個(gè)低通濾波器提取出￡，再用減去￡1，即可得到光。
[0010] 在本發(fā)明一實(shí)施例中，所述步驟S03中采用閾值分割方法將光照和陰影區(qū)域分割 出來(lái)，判斷這些區(qū)域在哪些子塊上，標(biāo)記這些子塊。
[0011] 在本發(fā)明一實(shí)施例中，所述步驟S02中分塊方法為將人臉圖像分為η2 (η>1)個(gè)子 塊。
[0012] 在本發(fā)明一實(shí)施例中，所述的η為6或7。
[0013] 在本發(fā)明一實(shí)施例中，所述合并成一張新的人臉圖像N(x，y)需要將一張灰度人 臉圖像、一張光照不變特征圖像和一張標(biāo)記了光照區(qū)域和陰影區(qū)域的標(biāo)記圖像進(jìn)行合并。
[0014] 在本發(fā)明一實(shí)施例中，所述的用于合并的三張圖像具有相同的分塊方式，標(biāo)記圖 像上標(biāo)記了光照或者陰影的子塊所對(duì)應(yīng)的位置采用光照不變特征圖像上相應(yīng)位置的子塊 進(jìn)行填充，標(biāo)記圖像上標(biāo)記正常的子塊所對(duì)應(yīng)的位置采用灰度人臉圖像上相應(yīng)位置的子塊 進(jìn)行填充。
[0015] 在本發(fā)明一實(shí)施例中，所述一維向量的連接方式：對(duì)新圖像的各個(gè)子塊按照左上 角到右下角的順序分別提取每個(gè)子塊的LBP紋理特征向量，然后對(duì)所述的各個(gè)子塊的特征 向量進(jìn)行首尾相接，拼成一個(gè)一維向量。
[0016] 相較于以往的光照處理方法，本發(fā)明具有以下有益效果：本發(fā)明提供了一種新的 更好的光照處理方法，能夠提高非均勻光照下的人臉識(shí)別率。

【專利附圖】

【附圖說(shuō)明】
[0017] 圖1為本文光照處理算法的流程圖。
[0018] 圖2為提取的光照不變特征圖像。
[0019] 圖3為提取的標(biāo)記光照和陰影的圖像。
[0020] 圖4為合成的新圖像。

【具體實(shí)施方式】
[0021] 下面結(jié)合附圖，對(duì)本發(fā)明的方法進(jìn)行具體說(shuō)明。
[0022] 本發(fā)明提出一種消除光照不均勻的LBP人臉識(shí)別方法，解決光照不均勻影響LBP 人臉識(shí)別率的問(wèn)題，按以下步驟實(shí)現(xiàn)， S01 :提取光照不變特征圖像。根據(jù)朗伯光照模型，將人灰度人臉圖像認(rèn)為是反射系數(shù) R(x，y)和光照分量 L(x，y)的乘積，即 I(x，y)= R(x，y) L(x，y)。由于 R(x，y)和 L(x，y)無(wú) 法由濾波器直接分離，可將圖像都變換到對(duì)數(shù)域，即f=+ = * H 。由于尤是高頻分量而屬于低頻分量，根據(jù)尤=/*-￡'可以將Γ通過(guò)一個(gè)高通濾波器濾除 r，提取出;也可以根據(jù)公式r = ，將Γ通過(guò)一個(gè)低通濾波器提取出r，再用f減 去￡·，即可得到鬉。
[0023] S02 :將灰度人臉圖像進(jìn)行均勻分塊。
[0024] S03 :標(biāo)記存在光照或者陰影的子塊。非均勻光照下的人臉存在光照區(qū)域亮度比較 高，陰影區(qū)域亮度比較低，體現(xiàn)在灰度圖像上就是灰度值的高低，可以采用閾值分割方法將 高亮度和陰影區(qū)域都分割出來(lái)，判斷這些區(qū)域在哪些子塊上，標(biāo)記這些子塊，如附圖2,圖像 M(x，y)白色區(qū)域就是標(biāo)記的子塊。
[0025] S04 :合成帶有原始圖像和光照不變特征圖像的新圖像。參照標(biāo)記圖像M(x, y) 標(biāo)記的區(qū)域，在M(x，y)標(biāo)記白色的區(qū)域提取光照不變特征圖像R(x，y)上相應(yīng)的區(qū)域，在 標(biāo)記黑色的區(qū)域提取灰度人臉圖像I(x，y)上相應(yīng)的區(qū)域，然后合并成一張新的人臉圖像 N (X，y)。
[0026] S05 :對(duì)新的圖像N(x，y)提取各個(gè)子塊的LBP紋理特征值向量，然后將各個(gè)子塊的 特征向量按順序連接成一個(gè)一維向量，用于人臉識(shí)別。
[0027] 以下為本發(fā)明的具體實(shí)施例。
[0028] 如圖1是本發(fā)明的算法的流程圖。先進(jìn)行人臉圖像提取，然后轉(zhuǎn)化為灰度圖像并 進(jìn)行幾何歸一化等預(yù)處理，得到人臉灰度圖像I(x，y);再提取出光照不變特征R(x，y);在 I (X，y)上進(jìn)行閾值分割提取光照與陰影的區(qū)域，創(chuàng)建一張標(biāo)記圖M(x，y)，標(biāo)記出存在光照 與陰影的子塊；將I (X，y)、R(x，y)合并成新的圖像N(x，y);最后對(duì)新合成的圖像提取分塊 LBP紋理特征。
[0029] 如圖2是提取的光照不變特征圖像，根據(jù)朗伯光照模型，將人灰度人臉圖 像認(rèn)為是反射系數(shù)R (X，y)和光照分量L (X，y)的乘積，即I (X，y) = R (X，y) L (X，y)。 由于R(x，y)和L(x，y)無(wú)法由濾波器直接分離，可將圖像都變換到對(duì)數(shù)域，即 ·Γ= = +。由于J·是高頻分量而￡?屬于低頻分量，將/*通過(guò)一 個(gè)低通濾波器提取出￡·,即Γ = /-7T，再用F減去￡·，可得到JT ,即JT=/*-17。
[0030] Γ所通過(guò)的低通濾波器選取膨脹濾波器，濾波后得到Γ,然后將Γ的所有像素值 減去￡%得到的尤的所有像素的灰度值再經(jīng)過(guò)線性變換到0-255之間。
[0031] 如圖3是標(biāo)記了光照與陰影的標(biāo)記圖。先對(duì)灰度人臉圖I (X，y)像進(jìn)行閾值分割， 分別采用不同的閾值分割出光照的區(qū)域和陰影的區(qū)域，然后創(chuàng)建一張空白的標(biāo)記圖，并均 勻分塊，分為6*6的36個(gè)大小相同的子塊，對(duì)照光照和陰影區(qū)域的位置，把標(biāo)記圖的相應(yīng)的 子塊標(biāo)記成白色，對(duì)非光照或者陰影的區(qū)域?qū)?yīng)的子塊標(biāo)記成黑色，形成標(biāo)記圖M(x，y)。
[0032] 如圖4是將灰度人臉圖像I (X，y)、光照不變特征圖像R(x，y)進(jìn)行合并成新的人臉 圖像N(x, y)。合并的方法是對(duì)I (X，y)、R(x, y)、M(x, y)都進(jìn)行一樣的6*6均勻分塊。參照 標(biāo)記圖M(x，y)，對(duì)標(biāo)記白色的子塊，提取R(x，y)相同位置子塊的圖像數(shù)據(jù)，對(duì)標(biāo)記黑色的 子塊，提取I (X，y)相同位置子塊的數(shù)據(jù)，然后合并成新的人臉圖像N(x，y)。
[0033] 對(duì)所述的人臉圖像N(x，y)也進(jìn)行6*6均勻分塊，從左上角到右下角，分別提取每 個(gè)子塊的統(tǒng)一局部二值模式（UniformLBP)紋理特征，這樣就能得到36個(gè)一維的紋理特征 向量。將這36個(gè)向量按照順序頭尾相接，拼接成一個(gè)大的一維特征向量，此向量即所提取 的人臉特征向量。
[〇〇34] 以上是本發(fā)明的較佳實(shí)施例，凡依本發(fā)明技術(shù)方案所作的改變，所產(chǎn)生的功能作 用未超出本發(fā)明技術(shù)方案的范圍時(shí)，均屬于本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1. 一種消除光照不均勻的LBP人臉識(shí)別方法，其特征在于：按以下步驟實(shí)現(xiàn)， 501 :先進(jìn)行人臉圖像提取，然后轉(zhuǎn)化為人臉灰度圖像I(x，y)，根據(jù)朗伯光照模型，由 I(x，y)=R(x，y) L(x，y);提取光照不變特征圖像R(x，y)，其中L(x，y)為光照分量； 502 :將人臉灰度圖像進(jìn)行均勻分塊； 503 :標(biāo)記存在光照或者陰影的子塊，獲得標(biāo)記圖像M(x，y); S04:參照標(biāo)記圖像M(x，y)標(biāo)記的區(qū)域，在M(x，y)標(biāo)記光照或陰影的子塊提取光照不 變特征圖像R(x，y)上相應(yīng)的區(qū)域，在標(biāo)記正常的子塊提取灰度人臉圖像I(x，y)上相應(yīng)的 區(qū)域，然后合并成一張新的人臉圖像N(x，y); S05 :對(duì)新的人臉圖像N(x，y)提取各個(gè)子塊的LBP紋理特征值向量，然后將各個(gè)子塊的 特征向量按順序連接成一個(gè)一維向量，用于人臉識(shí)別。
2. 根據(jù)權(quán)利要求1所述的一種消除光照不均勻的LBP人臉識(shí)別方法， 其特征在于：所述步驟S01中將灰度圖像轉(zhuǎn)換到對(duì)數(shù)域，再濾除光照信息：即 T = ￥〇 = /￥_￡) = ，由于尤是高頻分量而￡·屬于低頻分量，根據(jù) Γ，將Γ通過(guò)一個(gè)高通濾波器濾除Γ，提取出JT ;也能根據(jù)公式/-if，將Γ 通過(guò)一個(gè)低通濾波器提取出￡'，再用Γ減去￡_，即可得到疋。
3. 根據(jù)權(quán)利要求1所述的一種消除光照不均勻的LBP人臉識(shí)別方法，其特征在于：所 述步驟S03中采用閾值分割方法將光照和陰影區(qū)域分割出來(lái)，判斷這些區(qū)域在哪些子塊 上，標(biāo)記這些子塊。
4. 根據(jù)權(quán)利要求1所述的人臉進(jìn)行均勻分塊，其特征在于：所述步驟S02中分塊方法 為將人臉圖像分為η2 (η>1)個(gè)子塊。
5. 根據(jù)權(quán)利要求4所述的人臉進(jìn)行均勻分塊，其特征在于：所述的η為6或7。
6. 根據(jù)權(quán)利要求1所述的合成帶有原始圖像和光照不變特征圖像的新圖像，其特征在 于：所述合并成一張新的人臉圖像N(x，y)需要將一張灰度人臉圖像、一張光照不變特征圖 像和一張標(biāo)記了光照區(qū)域和陰影區(qū)域的標(biāo)記圖像進(jìn)行合并。
7. 根據(jù)權(quán)利要求6所述的合成帶有原始圖像和光照不變特征圖像的新圖像，其特征在 于：所述的用于合并的三張圖像具有相同的分塊方式，標(biāo)記圖像上標(biāo)記了光照或者陰影的 子塊所對(duì)應(yīng)的位置采用光照不變特征圖像上相應(yīng)位置的子塊進(jìn)行填充，標(biāo)記圖像上沒(méi)有標(biāo) 記的子塊所對(duì)應(yīng)的位置采用灰度人臉圖像上相應(yīng)位置的子塊進(jìn)行填充。
8. 根據(jù)權(quán)利要求1所述的提取LBP紋理特征向量，其特征在于：所述一維向量的連接 方式：對(duì)新圖像的各個(gè)子塊按照左上角到右下角的順序分別提取每個(gè)子塊的LBP紋理特征 向量，然后對(duì)所述的各個(gè)子塊的特征向量進(jìn)行首尾相接，拼成一個(gè)一維向量。
【文檔編號(hào)】G06K9/00GK104102907SQ201410343863
【公開(kāi)日】2014年10月15日 申請(qǐng)日期:2014年7月19日 優(yōu)先權(quán)日:2014年7月19日
【發(fā)明者】林志賢, 郭太良, 林金堂, 姚劍敏, 江龍強(qiáng) 申請(qǐng)人:福州大學(xué)