CN107437061A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107437061A
CN107437061A CN201710500718.0A CN201710500718A CN107437061A CN 107437061 A CN107437061 A CN 107437061A CN 201710500718 A CN201710500718 A CN 201710500718A CN 107437061 A CN107437061 A CN 107437061A
Authority
CN
China
Prior art keywords
facial image
domain
log
pixel
lnr
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
CN201710500718.0A
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 CN201710500718.0A priority Critical patent/CN107437061A/zh
Publication of CN107437061A publication Critical patent/CN107437061A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (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Roberts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Roberts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方法处理后的人脸识别率高；本发明采用对数变换和Roberts算子对人脸图像做光照处理，方法简单，识别速度快。

Description

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
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Roberts算子的 人脸光照不变特征提取方法。
背景技术
人脸识别技术的研究始于20世纪60年代末期，人脸识别具有交互方式友 好、不需要用户的特殊配合、不侵犯使用者的隐私权等特点，逐渐成为热点研 究领域。20世纪90年代后期以来，一些商业性的人脸识别系统逐渐进入市场， 但是，这些技术和系统离实用化都有一定距离，性能和准确率也有待提高，比 如影响人脸识别性能的主要因素有姿态、表情、光照变化等依然存在。不同光 照条件下相同人脸图像间的差异往往大于相同光照条件下不同人脸图像间的差 异，光照变化问题已经成为了影响人脸识别系统性能的关键因素之一。解决人 脸识别中光照问题的方法主要分为三类：人脸光照不变特征提取、人脸光照建 模、光照预处理和光照归一化。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(LocalBinary 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
针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一 种利用对数变换和Roberts算子的人脸光照不变特征提取方法。
本发明为实现上述目的所采用的技术方案是：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，包括以下步骤：
将原图像变换到对数域；
在对数域中，利用Roberts算子对人脸锐化处理，提取人脸的细节特征，同 时消除人脸光照部分，得到人脸光照不变特征。
所述对人脸图像进行对数变换，具体为：使其反射分量和光照分量由相乘 变换为相加的形式，得到对数域的人脸图像即lnI。
所述对数域的人脸图像lnI在像素点(x,y)的灰度值为：
lnI(x，y)＝lnR(x，y)+lnL(x，y) (1)
所述利用Roberts算子对人脸图像锐化处理，具体为：运用Roberts算子两 个2×2模板和模板得到锐化后的人脸图像I'。
所述锐化后的人脸图像I'在像素点(x,y)的灰度值为：
所述提取人脸的细节特征后，锐化后的人脸图像I'在像素点(x,y)的灰度值 表示为：
I'0,0＝|lnR1,1+lnL1,1-lnR0,0-lnL0,0|+|lnR1,0+lnL1,0-lnR0,1-lnL0,1| (3)
所述消除人脸光照部分为：将人脸光照分量通过局部近似不变性加以消除。
所述人脸光照不变特征为：
I'0,0＝|lnR1,1-lnR0,0|+|lnR1,0-lnR0,1| (4)
本发明具有以下优点及有益效果：
1.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 率较现有的方法处理后的人脸识别率高。
2.本发明采用Roberts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为提取CMU PIE人脸数据库光照不变特征前后的人脸示例图。
图4为提取扩展Yale B正面人脸库光照不变特征前后的人脸示例图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1所示，一种对数变换和Roberts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Roberts算子对人脸锐化处理，提取人脸的细节特 征，同时消除人脸光照部分，得到人脸光照不变特征。
根据光照反射模型，任意灰度人脸图像I(x,y)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)；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转换为相加的形式，得到在 对数域的人脸图像lnI。
所述步骤(2)中，锐化处理时，运用了Roberts算子两个2×2模板和模板得到锐化后的人脸图像I'，R(x,y)代表人脸的关键信息，而L(x,y)是慢变化的，在局部是近似不变的，可以运用光照分量局部近似不变性加 以消除。
具体来说，所述利用Roberts算子的人脸光照不变特征提取方法，具体步骤 如下：
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)取决于光源且只代 表面部光照的分量，R(x,y)取决于物体的表面特征并包含了面部的关键信息，在 本发明中R(x+m,y+n)L(x+m,y+n)可表述为Rm,nLm,n，在对数域中 lnR(x+m,y+n)L(x+m,y+n)可表述为lnRm,nLm,n。
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转换为相加的 形式，得到在对数域的人脸图像lnI，具体的原理推导过程如下：
在对数域中，人脸图像lnI点(x,y)的灰度值可表示为：
lnI(x，y)＝lnR(x，y)+lnL(x，y) (1)
Roberts算子能有效地提取图像的细节特征，其中，提取图像细节特征的模 板两个2×2模板为和模板
本发明在下面的推导过程中，以Roberts两个2×2模板为和模板对图像处理后，得到锐化后的人脸图像I'。具体的原理推导过程如下：
设以Roberts算子D1和D1两个模板进行锐化处理后的人脸图像I'某像素中 心像素点(x,y)的灰度值为I'(x,y)，如公式(2)所示：
I'(x,y)＝|lnI(x+1,y+1)-lnI(x,y)|+|lnI(x+1,y)-lnI(x,y+1)| (2)
根据光照反射模型可以进一步得到公式(3)：
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(3)简记为公式(4)，如下所示：
对已经锐化处理的人脸图像I'，可以运用光照分量局部近似不变性加以消 除。具体的公式推导过程如下：
因为光照分量L(x,y)变化缓慢，在局部近似相等，所以有公式(5)：
L0,0≈L1,1≈L1,0≈L0,1 (5)
对于公式(5)的所有变量均可用Lt替代，并代入公式(4)，因此得到公式(6)：
式(6)可知已消除了光照分量。
本发明在扩展Yale B人脸库和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 照光照入射角度不同分为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 96×84，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。实验时， 使用的人脸尺寸大小为64×64，选择第一张人脸图像，即无光照影响的正面人 脸图像作为训练样本，其余人脸图像作为测试样本。
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，本发明方法将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97.97％，在CMU PIE人脸库上的正 确识别率是95.66％，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Roberts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 (8)

1.一种利用对数变换和Roberts算子的人脸光照不变特征提取方法，其特在于，包括以下步骤：
将原图像变换到对数域；
在对数域中，利用Roberts算子对人脸锐化处理，提取人脸的细节特征，同时消除人脸光照部分，得到人脸光照不变特征。
2.根据权利要求1所述的一种对数变换和Roberts算子的人脸光照不变特征提取方法，其特征在于，所述对人脸图像进行对数变换，具体为：使其反射分量和光照分量由相乘变换为相加的形式，得到对数域的人脸图像即lnI。
3.根据权利要求2所述的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，其特征在于，所述对数域的人脸图像lnI点(x,y)的灰度值可表示为：
lnI(x,y)＝lnR(x,y)+lnL(x,y) (1)
其中，lnI(x,y)为对数域中人脸图像在像素点(x,y)的灰度值，lnR(x,y)为对数域中人脸图像在像素点(x,y)的反射分量，lnL(x,y)为对数域中人脸图像在像素点(x,y)的光照分量。
4.根据权利要求1所述的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，其特征在于，所述利用Roberts算子对人脸图像锐化处理，具体为：运用Roberts两个2×2模板和得到锐化后的人脸图像I'。
5.根据权利要求4所述的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，其特征在于，所述锐化后的人脸图像I'在像素点(x,y)的灰度值为：
其中，I'(x,y)，为锐化后的人脸图像I'在像素点(x,y)的灰度值；lnR(x+1,y+1)为对数域中人脸图像在像素点(x+1,y+1)的反射分量；L(x+1,y+1)为对数域中人脸图像在像素点(x+1,y+1)的光照分量；lnR(x,y)为对数域中人脸图像在像素点(x,y)的反射分量；lnL(x,y)为对数域中人脸图像在像素点(x,y)的光照分量；lnR(x+1,y)为对数域中人脸图像在像素点(x+1,y)的反射分量；lnL(x+1,y)为对数域中人脸图像在像素点(x+1,y)的光照分量；lnR(x,y+1)为对数域中人脸图像在像素点(x,y+1)的反射分量；lnL(x,y+1)为对数域中人脸图像在像素点(x,y+1)的光照分量。
6.根据权利要求1所述的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，其特征在于，所述提取人脸的细节特征后，锐化后的人脸图像I'在像素点(x,y)的灰度值表示为：
I'0,0＝|lnR1,1+lnL1,1-lnR0,0-lnL0,0|+|lnR1,0+lnL1,0-lnR0,1-lnL0,1| (2)
其中，I'0,0＝I'(x,y)，为锐化后的人脸图像I'在像素点(x,y)的灰度值；lnR1,1＝lnR(x+1,y+1)为对数域中人脸图像在像素点(x+1,y+1)的反射分量；lnL1,1＝L(x+1,y+1)为对数域中人脸图像在像素点(x+1,y+1)的光照分量；lnR0,0＝lnR(x,y)为对数域中人脸图像在像素点(x,y)的反射分量；lnL0,0＝lnL(x,y)为对数域中人脸图像在像素点(x,y)的光照分量；lnR1,0＝lnR(x+1,y)为对数域中人脸图像在像素点(x+1,y)的反射分量；lnL1,0＝lnL(x+1,y)为对数域中人脸图像在像素点(x+1,y)的光照分量；lnR0,1＝lnR(x,y+1)为对数域中人脸图像在像素点(x,y+1)的反射分量；lnL0,1＝lnL(x,y+1)为对数域中人脸图像在像素点(x,y+1)的光照分量。
7.根据权利要求1所述的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，其特征在于，所述消除人脸光照部分为：将人脸光照分量通过局部近似不变性加以消除。
8.根据权利要求1所述的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，其特征在于，所述人脸光照不变特征为：
I′0，0＝|ln R1，1-ln R0，0|+|ln R1，0-ln R0，1| (3)
其中，I'0,0＝I'(x,y)，为锐化后的人脸图像I'在像素点(x,y)的灰度值；
ln R1,1＝ln R(x+1,y+1)为对数域中人脸图像在像素点(x+1,y+1)的反射分量；
ln R0,0＝ln R(x,y)为对数域中人脸图像在像素点(x,y)的反射分量；
ln R1,0＝ln R(x+1,y)为对数域中人脸图像在像素点(x+1,y)的反射分量；
ln R0,1＝ln R(x,y+1)为对数域中人脸图像在像素点(x,y+1)的反射分量。
CN201710500718.0A 2017-06-27 2017-06-27 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 Pending CN107437061A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710500718.0A CN107437061A (zh) 2017-06-27 2017-06-27 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710500718.0A CN107437061A (zh) 2017-06-27 2017-06-27 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

Publications (1)

Publication Number Publication Date
CN107437061A true CN107437061A (zh) 2017-12-05

Family

ID=60459065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710500718.0A Pending CN107437061A (zh) 2017-06-27 2017-06-27 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

Country Status (1)

Country Link
CN (1) CN107437061A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961190A (zh) * 2018-07-17 2018-12-07 上海交通大学 一种提升自然光照下机器视觉鲁棒性的图像预处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106845500A (zh) * 2017-01-19 2017-06-13 重庆三峡学院 一种基于Sobel算子的人脸光照不变特征提取方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106845500A (zh) * 2017-01-19 2017-06-13 重庆三峡学院 一种基于Sobel算子的人脸光照不变特征提取方法

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》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961190A (zh) * 2018-07-17 2018-12-07 上海交通大学 一种提升自然光照下机器视觉鲁棒性的图像预处理方法

Similar Documents

Publication Publication Date Title
Ban et al. Face detection based on skin color likelihood
CN104091163A (zh) 一种消除遮挡影响的lbp人脸识别方法
CN110738071A (zh) 一种基于深度学习和迁移学习的人脸算法模型训练方法
WO2021031446A1 (zh) 一种基于二维动态特征的离线笔迹个体识别系统及方法
Shinde et al. Gender Classification from Face Images Using LBG Vector Quantization with Data Mining Algorithms
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
CN106845500A (zh) 一种基于Sobel算子的人脸光照不变特征提取方法
Mali et al. Fingerprint recognition using global and local structures
CN111079689A (zh) 一种指纹图像增强方法
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
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
Gan et al. A novel method for palmprint recognition based on wavelet transform
CN107451591A (zh) 一种利用Wallis算子的人脸光照不变特征提取方法
CN106991369A (zh) 一种基于平滑滤波的人脸光照不变特征提取方法
Ismail et al. Signature Recognition using Multi Scale Fourier Descriptor And Wavelet Transform
CN103530647A (zh) 基于分数傅里叶变换的纹理分类方法
Tomar et al. Fingerprint recognition by hybrid optimization based on minutaies distance and pattern matching
CN106934342A (zh) 一种基于Kirsch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
Backes et al. Texture classification using fractal dimension improved by local binary patterns
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
CN106934343A (zh) 一种基于Laplacian算子的人脸光照不变特征提取方法
Sun et al. Band Selection for Palmprint Recognition
CN106919945A (zh) 一种基于Priwitt算子的人脸光照不变特征提取方法
Ou et al. Face verification with feature fusion of Gabor based and curvelet based representations

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: 20171205