CN110647843B - 一种人脸面部图像处理方法 - Google Patents

一种人脸面部图像处理方法 Download PDF

Info

Publication number
CN110647843B
CN110647843B CN201910899464.3A CN201910899464A CN110647843B CN 110647843 B CN110647843 B CN 110647843B CN 201910899464 A CN201910899464 A CN 201910899464A CN 110647843 B CN110647843 B CN 110647843B
Authority
CN
China
Prior art keywords
image
texture
facial
face
facial image
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.)
Active
Application number
CN201910899464.3A
Other languages
English (en)
Other versions
CN110647843A (zh
Inventor
谢咚咚
曹笈
孙英豪
裴海燕
张海滨
谷雨
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.)
Liangzhun Shanghai Medical Devices Co ltd
Original Assignee
Liangzhun Shanghai Medical Devices Co ltd
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 Liangzhun Shanghai Medical Devices Co ltd filed Critical Liangzhun Shanghai Medical Devices Co ltd
Priority to CN201910899464.3A priority Critical patent/CN110647843B/zh
Publication of CN110647843A publication Critical patent/CN110647843A/zh
Application granted granted Critical
Publication of CN110647843B publication Critical patent/CN110647843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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

Abstract

本发明公开了一种人脸面部图像处理方法，包括如下步骤：(1)采集原始图像；(2)对图像数据进行滤波处理，均匀化人脸图像亮度；(3)通过边缘检测方法获取人脸面部图像纹理特征；(4)通过双曲正切均衡化方法，清晰化所述人脸面部图像纹理特征；(5)通过均衡归一化处理，加深和优化人脸面部图像纹理特征。采用本发明的人脸面部图像处理方法得到的人脸面部图像纹理特征可得到显著的优化和改进，处理后的图像纹理特征清晰，增强了图像纹理的连续性和光滑性，在视频监控、人脸识别应用领域起到重要的作用。

Description

一种人脸面部图像处理方法
技术领域
本发明涉及人脸信息处理方法，尤其涉及一种人脸面部图像处理方法。
背景技术
近年来，在约束条件下的人脸识别技术得到了广泛而深入的研究，取得了大量的成果。在这些成果当中，不难发现现有方法在场景光照变化下的自动人脸识别，无法较好地满足针对面部区域为核心的纹理特征需求。目前现有的面部纹理特征增强方法，采用自适应亮度恢复和光估计差分方法，通过异性直方图拉伸，最小化面部背景类内距离和最大化面部纹理分布，使面部图像纹理特征得到了增强，但是缺点是纹理特征清晰度不高，表皮纹理过于粗糙、不连续。
发明内容
发明目的：针对目前现有面部纹理特征增强方法存在的缺点与不足，本发明的目的是提供一种人脸面部图像处理方法，以解决人脸面部图像纹理特征的纹理清晰度问题以及纹理连续性和光滑性问题。
技术方案：一种人脸面部图像处理方法，其特征在于，包括如下步骤：
(1)采集原始图像；
(2)对图像数据进行滤波处理，均匀化人脸图像亮度；
(3)通过边缘检测方法获取人脸面部图像纹理特征；
(4)通过双曲正切均衡化方法，清晰化所述人脸面部图像纹理特征；
(5)通过均衡归一化处理，加深和优化人脸面部图像纹理特征。
进一步的，所述步骤(2)采用高斯差分滤波方法，具体包括如下内容：
(21)首先对特定宽度σ1和σ2进行高斯核卷积得和/>再对人脸面部图像局部亮度进行平滑处理得高斯平滑图像g1(x，y)和g2(x，y)：
其中，f(x，y)代表原始图像，点(x，y)是原始图像所有像素点；
(22)对高斯平滑图像g1(x，y)和g2(x，y)进行相差处理得g(x，y)：
进一步的，所述步骤(3)中，采用Sobel边缘检测方法获取人脸面部图像纹理特征，具体包括如下内容：
(31)将Sobel算子包含的3×3横向矩阵及纵向矩阵分别与图像g(x，y)作平面卷积，得出横向及纵向的纹理亮度差分近似值Gx和Gy：
(32)确定图像每一个像素点的人脸面部纹理特征G(x，y)，包括横向及纵向梯度近似值|G(x，y)|和梯度方向Θ：
进一步的，所述步骤(4)具体包括如下内容：
(41)根据人脸面部纹理特征G(x，y)获取灰度化人脸面部图像纹理特征G1(x，y)：
其中，m、n是人脸面部图像纹理特征G(x，y)的宽度和长度，G(x，y)ij是人脸面部图像纹理特征G(x，y)的所有像素点，i、j表示第i行第j列，从0开始计数，来获取像素点位置；α是强压缩指数，用于减少过大的模糊像素点值的影响；α的取值范围为0～1。
(42)根据灰度化人脸面部图像纹理特征G1(x，y)，得到优化的人脸面部图像纹理特征G2(x，y)：
其中trim∈(5，15)，它是阈值分界线指数，用于截断大的阈值影响。
(43)根据优化的人脸面部图像纹理特征G2(x，y)，进行双曲正切均衡化，得到清晰的人脸面部图像纹理特征G3(x，y)：
其中trim∈(5，15)，tanh是双曲正切函数。
进一步的，所述步骤(4)具体包括如下内容：
(51)通过均衡归一化处理，得到加深的人脸面部图像纹理特征Gf(x，y)：
其中，α是强压缩指数，减少过大的模糊像素点值的影响，α的取值范围为0～1；trim是阈值分界线指数，用于截断大的阈值影响，trim∈(5，15)。
(52)针对所述加深的人脸面部纹理特征Gf(x，y)，再一次进行双曲正切均衡化，获取纹理加深、纹理连续且清晰的人脸面部纹理特征Gf′(x，y)：
其中，trim∈(5，15)。
本发明和现有技术相比，能够对人脸面部图像纹理特征进行优化和改进，可显著增强图像纹理的清晰度、连续性和光滑性，在视频监控、人脸识别等应用领域能够起到重要的作用和广泛的应用前景。
附图说明
图1为一种人脸面部图像处理方法的流程示意图；
图2为采用本发明处理后的人脸面部图像纹理特征示意图。
具体实施方式
下面结合附图和具体实施例，对本发明的技术方案做进一步说明。
如图1所示，一种人脸面部图像处理方法，包括如下步骤：
1、启动摄像头采集系统采集原始图像。
2、采用滤波方法均匀化人脸图像亮度。
3、采用边缘检测方法获取人脸面部图像纹理特征。
4、通过进行双曲正切均衡化，使其人脸面部纹理特征更清晰。
5、通过均衡归一化处理，加深人脸面部图像纹理特征，实现了人脸面部图像纹理特征逐步优化过程。
步骤2中，可以采用的滤波算法包括线性移不变滤波器、拉普拉斯滤波、高斯差分滤波算法等，其中，高斯差分滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，对于抑制服从正态分布的图像噪声非常有效。本发明处理的人脸图像服从正态分布，优选采用高斯差分滤波算法处理。步骤3中，可采用如Prewitt算子、Roberts边缘检、Sobel边缘检测方法等获取人脸面部图像纹理特征，其中，Sobel边缘检测方法对于像素的位置影响做了加权，可以降低边缘模糊程度，根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。本发明所处理的一种原始的人脸灰度图像，采用sobel边缘算子检测效果是最好的，它对噪声具有平滑作用，能够提供精确的边缘方向信息。
利用优选方案进行人脸面部图像纹理特征逐步优化的具体过程如下：
1、启动摄像头采集系统：采集原始图像，如图2(a)。
2、采用高斯差分(DoG)滤波方法，该方法将一个原始图像进行增强的算法，通过DoG以降低原图像的模糊度，将原始灰度图像经过带有不同标准差的高斯核进行卷积得到的。用高斯核进行高斯模糊只能压制高频信息。从一幅图像中减去另一幅可以保持在两幅图像中所保持的频带中含有的空间信息。这样的话，DoG就相当于一个能够去除除了那些在原始图像中被保留下来的频率之外的所有其他频率信息的带通滤波器，由此可以均匀化人脸图像亮度；具体操作步骤如下：
(1)首先对特定宽度σ1和σ2进行高斯核卷积得和/>再对人脸面部图像局部亮度进行平滑处理得g1(x，y)和g2(x，y)：
其中f(x，y)代表原始图像，点(x，y)是原始图像所有像素点。
(2)对步骤(1)获取的高斯平滑图像g1(x，y)和g2(x，y)进行相差处理得g(x，y)：
经上述操作步骤，所得结果如图2(b)。
3、采用Sobel边缘检测方法，该方法对于像素的位置影响做了加权，可以降低边缘模糊程度，它根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较精确的边缘方向信息，由此可获取较为清晰的人脸面部图像纹理特征。具体操作步骤如下：
(1)根据步骤2获取的g(x，y)，经Sobel算子包含的两组3×3横向和纵向矩阵，将之与图像g(x，y)作平面卷积，即可分别得出横向及纵向的纹理亮度差分近似值Gx和Gy：
(2)根据步骤(1)确定图像的每一个像素点横向及纵向梯度近似值|G(x，y)|和产生空间梯度的边缘(相对于像素网格)取向角Θ：
(3)根据步骤(1)和步骤(2)所得结果如图2(c)。
4、通过进行双曲正切均衡化方法，该方法是为了减少纹理不清晰的影响，采用一个阈值trim，用于标准化的第一阶段之后恢复纹理清晰度。在默认情况α下，我们使用生成的图像可以很好地缩放，但它仍然包含不少模糊像素点。为了减少它们对后续处理阶段的影响，我们应用最终的非线性映射来压缩过大的模糊像素点值。在这里使用双曲正切函数，因此限制了模糊像素点(-trim，trim)范围，由此可获得人脸面部纹理特征更清晰，具体操作步骤如下：
(1)根据步骤3确定的人脸面部纹理G(x，y)(如图2(c))，可获取灰度化的人脸面部纹理G1(x，y)：
其中m、n是人脸面部纹理图像G(x，y)的宽度和长度，G(x，y)ij是人脸面部纹理图像G(x，y)的所有像素点；α是强压缩指数，减少过大的模糊像素点值的影响；α的取值范围为0～1，优选取值为0.1。
(2)根据步骤(1)确定的灰度化人脸面部纹理G1(x，y)，可进一步优化人脸面部纹理G2(x，y)：
其中，trim∈(5，15)，它是阈值分界线指数，用于截断大的阈值影响。优选取值为10。
(3)根据步骤(2)确定的人脸面部纹理图像G2(x，y)，进行双曲正切均衡化，获取人脸面部图像纹理特征G3(x，y)：
其中，trim∈(5，15)，优选取值为10，tanh是双曲正切函数
经上述操作步骤，所得结果如图2(d)。
5、通过均衡归一化处理方法，该方法是基于步骤4方法基础上，对于每一个像素点都进行均值(mean)处理，然后应用非线性映射来压缩过大的模糊像素点值，使用双曲正切函数限制了模糊像素点范围。由此可进一步加深人脸面部图像纹理特征，实现了人脸面部图像纹理特征逐步优化过程：具体操作步骤如下：
(1)根据步骤4确定的人脸面部图像纹理特征G3(x，y)，进行均衡归一化处理，加深人脸面部图像纹理特征Gf(x，y)：
其中，α的取值范围为0～1，优选取值为0.1，trim∈(5，15)，优选取值为10。
(2)根据步骤(1)获得的人脸面部纹理特征Gf(x，y)，再一次进行双曲正切均衡化，获取纹理加深、纹理连续、清晰度高的人脸面部纹理特征Gf′(x，y)：
其中，trim∈(5，15)，优选取值为10。
经上述操作步骤，最终所得结果如图2(e)。

Claims (1)

1.一种人脸面部图像处理方法，其特征在于，包括如下步骤：
(1)采集原始图像；
(2)对图像数据进行滤波处理，均匀化人脸图像亮度，具体包括如下：
(21)首先对特定宽度σ1和σ2进行高斯核卷积得和/>再对人脸面部图像局部亮度进行平滑处理得高斯平滑图像g1(x,y)和g2(x,y)：
其中，f(x,y)代表原始图像，点(x,y)是原始图像所有像素点；
(22)对高斯平滑图像g1(x,y)和g2(x,y)进行相差处理得g(x,y)：
(3)通过边缘检测方法获取人脸面部图像纹理特征，具体包括如下：
(31)将Sobel算子包含的3×3横向矩阵及纵向矩阵分别与图像g(x,y)作平面卷积，得出横向及纵向的纹理亮度差分近似值Gx和Gy:
(32)确定图像每一个像素点的人脸面部纹理特征G(x,y)，包括横向及纵向梯度近似值|G)x,y)|和梯度方向Θ：
(4)通过双曲正切均衡化方法，清晰化所述人脸面部图像纹理特征，具体包括如下内容：
(41)根据人脸面部纹理特征G(x,y)获取灰度化人脸面部图像纹理特征G1(x,y)：
其中，m、n是人脸面部图像纹理特征G(x,y)的宽度和长度，G(x,y)ij是人脸面部图像纹理特征G(x,y)的所有像素点，i、j表示第i行第j列，从0开始计数，来获取像素点位置；α是强压缩指数，用于减少过大的模糊像素点值的影响，α的取值范围为0～1；
(42)根据灰度化人脸面部图像纹理特征G1(x,y)，得到优化的人脸面部图像纹理特征G2(x,y)：
其中，trim是阈值分界线指数，用于截断大的阈值影响，trim∈(5，15)；
(43)根据优化的人脸面部图像纹理特征G2(x,y)，进行双曲正切均衡化，得到清晰的人脸面部图像纹理特征G3(x,y)：
其中，trim∈(5，15)，tanh是双曲正切函数；
(5)通过均衡归一化处理，加深和优化人脸面部图像纹理特征，具体包括如下：
(51)通过均衡归一化处理，得到加深的人脸面部图像纹理特征Gf(x,y)：
其中，α的取值范围为0～1，trim∈(5，15)；
(52)针对所述加深的人脸面部纹理特征Gf(x,y)，再一次进行双曲正切均衡化，获取纹理加深、纹理连续且清晰的人脸面部纹理特征Gf′(x,y)：
其中，trim∈(5，15)。
CN201910899464.3A 2019-09-23 2019-09-23 一种人脸面部图像处理方法 Active CN110647843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910899464.3A CN110647843B (zh) 2019-09-23 2019-09-23 一种人脸面部图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910899464.3A CN110647843B (zh) 2019-09-23 2019-09-23 一种人脸面部图像处理方法

Publications (2)

Publication Number Publication Date
CN110647843A CN110647843A (zh) 2020-01-03
CN110647843B true CN110647843B (zh) 2023-09-19

Family

ID=69011044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910899464.3A Active CN110647843B (zh) 2019-09-23 2019-09-23 一种人脸面部图像处理方法

Country Status (1)

Country Link
CN (1) CN110647843B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11657648B2 (en) 2021-03-31 2023-05-23 Revieve Oy Method and system for measuring a feature of persons

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102779273A (zh) * 2012-06-29 2012-11-14 重庆邮电大学 一种基于局部对比模式的人脸识别方法
CN106920211A (zh) * 2017-03-09 2017-07-04 广州四三九九信息科技有限公司 美颜处理方法、装置以及终端设备
CN107392866A (zh) * 2017-07-07 2017-11-24 武汉科技大学 一种光照鲁棒的人脸图像局部纹理增强方法
CN110175584A (zh) * 2019-05-30 2019-08-27 湖南城市学院 一种面部特征提取重构方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10417749B2 (en) * 2016-03-22 2019-09-17 Algolux Inc. Method and system for edge denoising of a digital image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102779273A (zh) * 2012-06-29 2012-11-14 重庆邮电大学 一种基于局部对比模式的人脸识别方法
CN106920211A (zh) * 2017-03-09 2017-07-04 广州四三九九信息科技有限公司 美颜处理方法、装置以及终端设备
CN107392866A (zh) * 2017-07-07 2017-11-24 武汉科技大学 一种光照鲁棒的人脸图像局部纹理增强方法
CN110175584A (zh) * 2019-05-30 2019-08-27 湖南城市学院 一种面部特征提取重构方法

Also Published As

Publication number Publication date
CN110647843A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN108765325B (zh) 一种小型无人机模糊图像复原方法
CN108921800B (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
CN108564549B (zh) 一种基于多尺度稠密连接网络的图像去雾方法
CN112819772B (zh) 一种高精度快速图形检测识别方法
US7072523B2 (en) System and method for fingerprint image enhancement using partitioned least-squared filters
CN109064418B (zh) 一种基于非局部均值的非均匀噪声图像去噪方法
CN109978848B (zh) 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法
CN115830033B (zh) 基于机器视觉的汽车轮毂表面缺陷检测方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN111598791B (zh) 一种基于改进动态大气散射系数函数的图像去雾方法
CN110458792B (zh) 人脸图像质量的评价方法及装置
CN113793278B (zh) 一种基于Laplace算子选择性增强的遥感影像去噪方法
CN109214993B (zh) 一种雾霾天气智能车视觉增强方法
CN104463814A (zh) 基于局部纹理方向性的图像增强方法
CN111598814B (zh) 基于极端散射通道的单图像去雾方法
CN112883824A (zh) 一种用于智能采血的手指静脉特征识别装置及其识别方法
CN112435235A (zh) 一种基于图像分析的籽棉含杂率检测方法
CN110647843B (zh) 一种人脸面部图像处理方法
CN113850744A (zh) 基于自适应Retinex和小波融合的图像增强算法
CN116823686B (zh) 一种基于图像增强的夜间红外与可见光图像融合方法
CN113450340A (zh) 一种皮肤纹理检测系统
CN115100510B (zh) 一种轮胎磨损度识别方法
CN115994870B (zh) 一种用于增强去噪的图像处理方法
CN109859145B (zh) 一种基于多级权重相对总变差的图像去纹理方法
CN104966271A (zh) 基于生物视觉感受野机制的图像去噪方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220804

Address after: North of 2nd Floor, Building 2, No. 857, Tiangong Road, Jinshan District, Shanghai, 201506

Applicant after: LIANGZHUN (SHANGHAI) MEDICAL DEVICES Co.,Ltd.

Address before: 215104 building B1, 1451 Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province

Applicant before: JIANGSU JITRI INTELLIGENT SENSOR RESEARCH INSTITUTE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant