CN106934399A - 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法 - Google Patents

一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法 Download PDF

Info

Publication number
CN106934399A
CN106934399A CN201710044721.6A CN201710044721A CN106934399A CN 106934399 A CN106934399 A CN 106934399A CN 201710044721 A CN201710044721 A CN 201710044721A CN 106934399 A CN106934399 A CN 106934399A
Authority
CN
China
Prior art keywords
lnr
lni
lnl
human face
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710044721.6A
Other languages
English (en)
Inventor
聂祥飞
王元元
何雪
熊文怡
杨志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Three Gorges University
Original Assignee
Chongqing Three Gorges University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Three Gorges University filed Critical Chongqing Three Gorges University
Priority to CN201710044721.6A priority Critical patent/CN106934399A/zh
Publication of CN106934399A publication Critical patent/CN106934399A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法，包括以下步骤：将人脸图像变换到对数域；利用Laplacian算子对人脸图像进行锐化处理，提取人脸的细节特征，同时消除了光照分量，所得结果就是需要提取的人脸光照不变特征。本发明对不同角度的光照具有一定的抑制作用，处理后人脸图像的识别率较现有的算法处理后的人脸识别率高；本发明采用对数变换和Laplacian算子对人脸光照进行处理，提取人脸光照不变特征，方法简单，识别速度快。

Description

一种利用对数变换和Laplacian算子的人脸光照不变特征提 取方法
技术领域
本发明涉及模式识别技术领域，具体是一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法。
背景技术
近年来人脸识别技术越来越受人们关注，得到了迅速地发展，逐渐成为热点研究领域。是模式识别和图像处理领域的研究热点，在刑事侦查、公共安全、等领域具有广泛的应用。然而，姿态、表情、光照变化等是影响人脸识别系统性能的几大关键因素，其中，光照变化表现得尤为严重。光照变化使人脸灰度分布存在较大的差异，降低了人脸识别率，对人脸识别有关键性的影响，减少并消除这种影响是人脸识别技术的主要难点之一。解决人脸识别中光照问题的方法主要分为三类：提取光照不变特征、光照变化的建模、光照条件标准化。在提取光照不变特征的方法中，又主要分为两种：第一种是在对数域，通过低通滤波消除光照分量，例如：在对数域中，利用离散余弦变换(DCT)或小波变换进行滤波处理等方法。第二种是构造除法运算，通过除法运算来消除慢变化的光照分量，例如：梯度脸(Gradient-face)、韦伯脸(Weber-face)、局部二值模式(Local Binary Pattern，LBP)等方法。因此，能够有效地提取在光照中保持鲁棒性的人脸特征以增强人脸识别在实际中的应用成为了一个至关重要的问题。
发明内容
本发明的目的在于提供一种能够提高人脸识别率的利用对数变换和Laplac ian算子的人脸光照不变特征提取方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法，包括以下步骤：
(1)将原图像变换到对数域；
(2)在对数域中，利用Laplacian算子对人脸图像进行锐化处理，提取人脸的细节特征，同时消除了人脸光照分量，所得结果就是需要提取的人脸光照不变特征。
作为本发明进一步的方案：根据光照反射模型，任意灰度人脸图像I(x,y)是反射分量R(x,y)和光照分量L(x,y)的乘积，即I(x,y)＝R(x,y)L(x,y)；所述步骤(1)中，对人脸图像进行对数变换，使其反射分量和光照分量由相乘变换为相加，即lnI(x,y)＝lnR(x,y)+lnL(x,y)。
作为本发明进一步的方案：以Laplacian算子对人脸图像进行锐化处理，处理后的图像为I'，某像素点(x,y)的灰度值I'(x,y)如公式(1)所示：
I'(x,y)＝4lnI(x,y)-lnI(x-1,y-1)-lnI(x+1,y-1)-lnI(x-1,y+1)-lnI(x+1,y+1) (1)；
为了表述方便，I(x+m,y+n)简记为Im,n，同理，R(x+m,y+n)简记为Rm,n，L(x+m,y+n)简记为Lm,n，则公式(1)简记为公式(2)，如下所示：
I'0,0＝4lnI0,0-lnI-1,-1-lnI1,-1-lnI-1,1-lnI1,1 (2)；
根据光照反射模型进一步得到公式(3)：
I'0,0＝4lnR0,0+4lnL0,0-lnR-1,-1-lnL-1,-1-lnR1,-1-lnL1,-1-lnR-1,1-lnL-1,1-lnR1,1-lnL1,1 (3)；
光照分量L(x,y)变化缓慢，所以有公式(4)：
L0,0≈L-1,-1≈L1,-1≈L-1,1≈L1,1 (4)；
将公式(4)的所有变量均用Lt替代，所以式(3)可表达为公式(5)所示：
I'0,0＝4lnR0,0+4lnLt-lnR-1,-1-lnLt-lnR1,-1-lnLt-lnR-1,1-lnLt-lnR1,1-lnLt (5)
＝4lnR0,0-lnR-1,-1-lnR1,-1-lnR-1,1-lnR1,1，因此消除了光照分量。
与现有技术相比，本发明的有益效果是：
本发明对不同角度的光照具有一定的抑制作用，处理后人脸图像的识别率较现有的算法处理后的人脸识别率高；本发明采用对数变换和Laplacian算子对人脸图像做光照处理，方法简单，识别速度快。
附图说明
图1为本发明提取人脸光照不变特征的基本流程图。
图2为本发明中以(x,y)为中心的八邻域灰度值矩阵及其对应的简化表达示意图。
图3为在扩展Yale B人脸库中，提取人脸光照不变特征前后人脸示例图，第一行是原图像，第二行是提取的人脸光照不变特征图像。
图4为在CMU PIE人脸库中，提取人脸光照不变特征前后人脸示例图，第一行是原图像，第二行是提取的人脸光照不变特征图像。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1-4，一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法，包括以下步骤：
(1)将原图像变换到对数域；
(2)在对数域中，利用Laplacian算子对人脸锐化处理，提取人脸的水平方向细节特征，同时消除了慢变化的人脸光照部分，所得结果就是需要提取的人脸光照不变特征。
根据光照反射模型，任意灰度人脸图像I(x,y)是反射分量R(x,y)和光照分量L(x,y)的乘积，即I(x,y)＝R(x,y)L(x,y)；所述步骤(1)中，对人脸图像进行对数变换，使其反射分量和光照分量由相乘变换为相加，即lnI(x,y)＝lnR(x,y)+lnL(x,y)。其中，R(x,y)代表人脸的细节信息，是快变化的；而L(x,y)是慢变化的，代表光照分量，在局部是近似不变的，所以可以通过减法运算来近似消除该分量。
所述步骤(2)中，以Laplacian算子对人脸图像进行锐化处理，处理后的图像为I'，在I'中，光照分量已经近似地被消除了。
具体来说，所述利用对数变换和Laplacian算子的人脸光照不变特征提取方法，具体步骤如下：
(1)以原图像某一像素点(x,y)为中心的8邻域如图2(a)所示，为简化表述，中心像素点(x,y)处的灰度值I(x,y)表述为I0,0，如图2(b)所示，其邻域点的灰度值I(x+m,y+n)表述为Im,n。
根据光照反射模型，任意灰度人脸图像I(x,y)可以看成是反射分量R(x,y)和光照分量L(x,y)的乘积，即I(x,y)＝R(x,y)L(x,y)，其中L(x,y)取决于光源，代表光照分量，R(x,y)取决于人脸的表面特征，包含了人脸的细节信息，在本发明中I(x+m,y+n)可表述为Rm,nLm,n。将人脸图像每个像素值变换到对数域，在本发明中lnI(x+m,y+n)表述为lnRm,n+lnLm,n。
(2)Laplacian算子是一种图像边缘检测算子，常用的Laplacian算子模板有：
本发明在下面的推导过程中，仅以Laplacian算子D1模板为例，对人脸图像进行锐化处理，得到I'。具体的原理推导过程如下：
设以Laplacian算子D1模板进行锐化处理后，人脸图像I'某像素点(x,y)的灰度值I'(x,y)如公式(1)所示：
I'(x,y)＝4lnI(x,y)-lnI(x-1,y-1)-lnI(x+1,y-1)-lnI(x-1,y+1)-lnI(x+1,y+1) (1)
为了表述方便，I(x+m,y+n)简记为Im,n，同理，R(x+m,y+n)简记为Rm,n，L(x+m,y+n)简记为Lm,n，则公式(1)简记为公式(2)，如下所示：
I'0,0＝4lnI0,0-lnI-1,-1-lnI1,-1-lnI-1,1-lnI1,1 (2)
根据光照反射模型进一步得到公式(3)：
I'0,0＝4lnR0,0+4lnL0,0-lnR-1,-1-lnL-1,-1-lnR1,-1-lnL1,-1-lnR-1,1-lnL-1,1-lnR1,1-lnL1,1 (3)
光照分量L(x,y)变化缓慢，所以有公式(4)：
L0,0≈L-1,-1≈L1,-1≈L-1,1≈L1,1 (4)
将公式(4)的所有变量均用Lt替代，所以式(3)可表达为公式(5)所示：
I'0,0＝4lnR0,0+4lnLt-lnR-1,-1-lnLt-lnR1,-1-lnLt-lnR-1,1-lnLt-lnR1,1-lnLt (5)
＝4lnR0,0-lnR-1,-1-lnR1,-1-lnR-1,1-lnR1,1
在公式(5)中，消除了光照分量。
本发明在扩展Yale B和CMU PIE人脸库中进行实验：
1、人脸库介绍：扩展Yale B人脸库共包含38个人的2432张人脸图像，按照光照不同角度分为5个子集：0°＜θ＜12°共266张人脸为子集1；13°＜θ＜25°共456张人脸为子集2；26°＜θ＜50°共456张人脸为子集3；51°＜θ＜77°共532张人脸为子集4；θ＞77°共722张人脸为子集5。实验时，使用的人脸尺寸大小为48×42，子集1用于训练，其余子集用于测试。
CMU PIE人脸数据库共有68个人的41368张人脸图像，本发明选择的是正面人脸光照组(C27)作为训练图库，C27光照组共包含1428个人脸库。实验时，使用的人脸尺寸大小为32×32，从每个人脸的21种不同光照中选取一张图像作为训练样本，其余人脸作为测试样本。
2、实验结果：
实验1，将提取的人脸光照不变特征与原图像进行了对比发现经本发明方法处理后的人脸图像特征更为明显，有效地克服了光照对人脸特征的影响。在扩展Yale B人脸库和CMU PIE人脸库上均进行了实验，实验效果图分别如图3和图4所示。
实验2，本发明方法对提取的人脸光照不变特征，计算反正切变换将取值范围压缩到(-π/2,π/2)，采用L1范数测量距离后，利用最近邻分类器分类判别。在扩展Yale B人脸库的人脸正确识别率是98.71％，在CMU PIE人脸库上的正确识别率是96.03％，对人脸不变特征提取有较好的鲁棒性。
本发明对不同角度的光照具有一定的抑制作用，处理后人脸图像的识别率较现有的算法处理后的人脸识别率高；本发明采用对数运算和Laplacian算子对人脸图像做光照处理，方法简单，识别速度快。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下做出各种变化。

Claims (4)

1.一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法，其特征在于，包括以下步骤：
(1)将原图像变换到对数域；
(2)在对数域中，利用Laplacian算子对人脸锐化处理，提取人脸的水平方向细节特征，同时消除了慢变化的人脸光照部分，所得结果就是需要提取的人脸光照不变特征。
2.根据权利要求1所述的利用对数变换和Laplacian算子的人脸光照不变特征提取方法，其特征在于，根据光照反射模型，任意灰度人脸图像I(x,y)是反射分量R(x,y)和光照分量L(x,y)的乘积，即I(x,y)＝R(x,y)L(x,y)；所述步骤(1)中，对人脸图像进行对数变换，使其反射分量和光照分量由相乘变换为相加，即lnI(x,y)＝lnR(x,y)+lnL(x,y)。
3.根据权利要求1-2任一所述的利用对数变换和Laplacian算子的人脸光照不变特征提取方法，其特征在于，以Laplacian算子(在下面的推导中，使用算子)模板进行锐化处理后，图像I'某像素点(x,y)的灰度值I'(x,y)如公式(1)所示：
I'(x,y)＝4lnI(x,y)-lnI(x-1,y-1)-lnI(x+1,y-1)-lnI(x-1,y+1)-lnI(x+1,y+1)(1)；
为了表述方便，I(x+m,y+n)简记为Im,n，同理，R(x+m,y+n)简记为Rm,n，L(x+m,y+n)简记为Lm,n，则公式(1)简记为公式(2)，如下所示：
I'0,0＝4lnI0,0-lnI-1,-1-lnI1,-1-lnI-1,1-lnI1,1(2)；
根据光照反射模型进一步得到公式(3)：
I'0,0＝4lnR0,0+4lnL0,0-lnR-1,-1-lnL-1,-1-lnR1,-1-lnL1,-1-lnR-1,1-lnL-1,1-lnR1,1-lnL1,1(3)。
4.根据权利要求3所述的利用对数变换和Laplacian算子的人脸光照不变特征提取方法，其特征在于，光照分量L(x,y)变化缓慢，所以有公式(4)：
L0,0≈L-1,-1≈L1,-1≈L-1,1≈L1,1(4)；
将公式(4)的所有变量均用Lt替代，所以式(3)可表达为公式(5)所示：
I'0,0＝4lnR0,0+4lnLt-lnR-1,-1-lnLt-lnR1,-1-lnLt-lnR-1,1-lnLt-lnR1,1-lnLt(5)
＝4lnR0,0-lnR-1,-1-lnR1,-1-lnR-1,1-lnR1,1，因此消除了光照分量。
CN201710044721.6A 2017-01-19 2017-01-19 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法 Pending CN106934399A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710044721.6A CN106934399A (zh) 2017-01-19 2017-01-19 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710044721.6A CN106934399A (zh) 2017-01-19 2017-01-19 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法

Publications (1)

Publication Number Publication Date
CN106934399A true CN106934399A (zh) 2017-07-07

Family

ID=59423966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710044721.6A Pending CN106934399A (zh) 2017-01-19 2017-01-19 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法

Country Status (1)

Country Link
CN (1) CN106934399A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295010A (zh) * 2013-05-30 2013-09-11 西安理工大学 一种处理人脸图像的光照归一化方法
CN103530634A (zh) * 2013-10-10 2014-01-22 中国科学院深圳先进技术研究院 人脸特征提取方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295010A (zh) * 2013-05-30 2013-09-11 西安理工大学 一种处理人脸图像的光照归一化方法
CN103530634A (zh) * 2013-10-10 2014-01-22 中国科学院深圳先进技术研究院 人脸特征提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于秋则: "合成孔径雷达（SAR）图像匹配导航技术研究", 《中国优秀博硕士学位伦文全文数据库（博士）-信息科技辑》 *
杜波: "人脸识别中光照预处理方法研究", 《中国优秀博硕士学位论文全文数据库（硕士）-信息科技辑》 *

Similar Documents

Publication Publication Date Title
Ghiani et al. Fingerprint liveness detection by local phase quantization
Ban et al. Face detection based on skin color likelihood
Abidin et al. Copy-move image forgery detection using deep learning methods: a review
Hilles et al. Latent fingerprint enhancement and segmentation technique based on hybrid edge adaptive dtv model
Ahmed et al. Image copy-move forgery detection algorithms based on spatial feature domain
CN104102907A (zh) 一种消除光照不均匀的lbp人脸识别方法
Shinde et al. Gender Classification from Face Images Using LBG Vector Quantization with Data Mining Algorithms
CN106845500A (zh) 一种基于Sobel算子的人脸光照不变特征提取方法
CN106971143A (zh) 一种利用对数变换和平滑滤波的人脸光照不变特征提取方法
Hussain et al. Gender recognition from face images with dyadic wavelet transform and local binary pattern
CN106897672A (zh) 一种利用对数变换和Priwitt算子的人脸光照不变特征提取方法
CN106934399A (zh) 一种利用对数变换和Laplacian算子的人脸光照不变特征提取方法
CN110555792B (zh) 基于归一化直方图综合特征向量的图像篡改盲检测方法
CN107437061A (zh) 一种利用对数变换和Roberts算子的人脸光照不变特征提取方法
Bai et al. Facial expression recognition based on fusion features of lbp and gabor with lda
Fedorov et al. Development of technique for face detection in image based on binarization, scaling and segmentation methods
CN106934342A (zh) 一种基于Kirsch算子的人脸光照不变特征提取方法
Al-Bakri et al. A review paper on face recognition techniques
CN106991369A (zh) 一种基于平滑滤波的人脸光照不变特征提取方法
Jyothi et al. Study of Image Forgery Detection using Scale Invariant Feature Transform
Yih et al. Palmprint identification using sequential modified haar wavelet energy
CN106934343A (zh) 一种基于Laplacian算子的人脸光照不变特征提取方法
Kuban et al. A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING.
Pillai et al. A Novel Approach to Detect Copy Move Forgery using Deep Learning
CN106919945A (zh) 一种基于Priwitt算子的人脸光照不变特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170707