CN113361492B - 一种基于正交三角分解的光照不变特征提取方法 - Google Patents
一种基于正交三角分解的光照不变特征提取方法 Download PDFInfo
- Publication number
- CN113361492B CN113361492B CN202110813505.XA CN202110813505A CN113361492B CN 113361492 B CN113361492 B CN 113361492B CN 202110813505 A CN202110813505 A CN 202110813505A CN 113361492 B CN113361492 B CN 113361492B
- Authority
- CN
- China
- Prior art keywords
- orthogonal
- matrix
- multiplied
- invariant feature
- triangular
- 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
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 15
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于正交三角分解的光照不变特征提取方法，包括如下步骤：步骤1：采集人脸彩色图像，并转化为人脸灰度图像；步骤2：通过正交三角分解算法，获得局部邻域的上三角矩阵对角线元素，并对其进行非线性放大；步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，能有效消除阴影边缘的影响。
Description
技术领域
本发明属于模式识别技术领域，具体的说是一种基于正交三角分解的光照不变特征提取方法。
背景技术
光照不变特征提取技术主要应用于存在剧烈光照变化的人脸图像识别问题中，其在视觉监控，信息安全，身份信息识别等领域有着广泛的应用需求，如在视觉监控方面，目前的户外视觉监控系统可实时采集大量含有剧烈光照变化人脸图像的视频和图片，通过提取光照不变特征，可以提高视觉监控系统识别剧烈光照变化人脸图像的准确率，能够对可疑份子实施及时抓捕或实时定位。现有技术中已公开有相关技术，如：申请公布号为CN106991369A公开了一种基于平滑滤波的人脸光照不变特征提取方法，其利用平滑滤波对人脸图像进行处理与原图像对应像素进行除法运算，消除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，其对阴影部位的处理效果差。
基于正交三角分解的光照不变特征提取方法是一种削弱人脸图像的剧烈光照影响的技术，由正交三角分解算法，获得图像局部邻域的上三角矩阵的对角线元素，并对其进行非线性放大，以放大后的对角线元素构建光照不变特征，能够显著提高人脸识别系统在剧烈光照变化下的识别准确率。
一直以来，复杂光照条件下的人脸识别是模式识别领域的一个重要课题，科研人员提出并发展了许多有显著意义和应用价值的方法。按其技术特点可以分为两类：基于数据驱动的复原方法和基于模型驱动的复原方法。基于数据驱动的复原方法使用大规模光照变化人脸图像训练深度神经网络，使得深度神经网络能够产生任意剧烈光照变化人脸图像的正常光照图像，基于数据驱动的复原方法容易造成人脸鉴别信息失真，对剧烈光照变化效果不佳，在实际应用中不能令人满意。基于模型驱动的复原方法，将剧烈光照变化作为线性干扰噪声消除掉，效果很好。基于正交三角分解的光照不变特征提取方法，具有较快的速度，识别准确率高，但是其算法效率还可以进一步提高。
发明内容
为了解决上述问题，本发明提供了一种能够恢复人脸结构的识别准确率高的基于正交三角分解的光照不变特征提取方法。
为了达到上述目的，本发明是通过以下技术方案来实现的：
本发明是一种基于正交三角分解的光照不变特征提取方法，包括如下步骤：
步骤1：采集人脸彩色图像，人脸彩色图像的大小为h×w×3，其中h表示人脸彩色图像矩阵的行数，w表示人脸彩色图像矩阵的列数；将人脸彩色图像转化为大小为h×w的人脸灰度图像I，并将人脸灰度图像I的灰度值等比例的转化到1到255之间；
步骤2：通过正交三角分解算法，依照从左到右、从上到下的顺序，在每一块大小为3×3的局部邻域内，进行正交三角分解，得到正交三角分解式，获得3×3局部邻域的上三角矩阵对角线元素，正交分解式如下：
I(x,y)＝QRP (1)
其中(x,y)为局部邻域的中心像素坐标，Q为局部邻域I(x,y)分解得到的正交矩阵，其大小为3×3；R为局部邻域I(x,y)分解得到的三角矩阵，其大小为3×3，上三角矩阵R的第i个对角元素表示为ri，i＝1,2,3；P为置换矩阵，其大小为3×3；将所述上三角矩阵R的第i个对角元素进行非线性放大，即：
步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征。
本发明的进一步改进在于：步骤3中将步骤2得到的修正的对角元素代入下式：
并将QI(x,y)等比例的转化到1到255之间，得到光照不变特征。
本发明的有益效果是：本发明的方法在光照不变特征提取的速度和稳定性方面优于传统的方法，对于提高人脸识别系统在剧烈光照变化下的识别准确率具有重要价值。
本发明的方法针对人脸图像的剧烈光照变化，利用正交三角分解算法，获得图像局部邻域的上三角矩阵的对角线元素，并对其进行非线性放大，以放大后的对角线元素构建光照不变特征，本方法可显著的提高人脸识别系统在剧烈光照变化下识别的准确率。该方法对光照变化的鲁棒性强，尤其是能有效消除阴影边缘的影响。本发明从实际应用效果出发，提出基于正交三角分解的光照不变特征提取方法，且其处理效率高，计算方法简单。
附图说明
图1为本发明方法整体流程图。
具体实施方式
以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。
下面结合附图对本发明的技术方案做进一步的详细说明：
如图1所示，本发明是一种基于正交三角分解的光照不变特征提取方法，其流程图如图1所示，具体按照以下步骤进行：
步骤1：采集人脸彩色图像，并转化为人脸灰度图像，具体流程如下：
采集人脸彩色图像，人脸彩色图像的大小为h×w×3，其中h表示人脸彩色图像矩阵的行数，w表示人脸彩色图像矩阵的列数；将所述人脸彩色图像转化为大小为h×w的人脸灰度图像I，并将人脸灰度图像I的灰度值等比例的转化到1到255之间；
步骤2：通过正交三角分解算法，获得3×3局部邻域的上三角矩阵对角线元素，并对其进行非线性放大，具体流程如下：
依照从左到右、从上到下的顺序，在每一块大小为3×3的局部邻域内，进行正交三角分解，得到正交三角分解式如下：
I(x,y)＝QRP (1)
其中(x,y)为局部邻域的中心像素坐标，Q为局部邻域I(x,y)分解得到的正交矩阵，其大小为3×3；R为局部邻域I(x,y)分解得到的三角矩阵，其大小为3×3，上三角矩阵R的第i个对角元素表示为ri，i＝1,2,3；P为置换矩阵，其大小为3×3；将所述上三角矩阵R的第i个对角元素进行非线性放大，得到修正的对角元素，即
步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征，具体流程如下：
将所述步骤2中得到的修正的对角元素代入下式：
并将QI(x,y)等比例的转化到1到255之间，得到光照不变特征。
本发明采用正交三角分解算法获得人脸图像局部邻域的上三角矩阵的对角线元素，并对其进行非线性放大，再以放大后的对角线元素构建光照不变特征，可显著的提高人脸识别系统在剧烈光照变化下识别的准确率，且本发明的计算方法简单、处理效率高。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (2)
1.一种基于正交三角分解的光照不变特征提取方法，其特征在于：包括如下步骤：
步骤1：采集人脸彩色图像，人脸彩色图像的大小为h×w×3，其中h表示人脸彩色图像矩阵的行数，w表示人脸彩色图像矩阵的列数；将人脸彩色图像转化为大小为h×w的人脸灰度图像I，并将人脸灰度图像I的灰度值等比例的转化到1到255之间；
步骤2：通过正交三角分解算法，依照从左到右、从上到下的顺序，在每一块大小为3×3的局部邻域内，进行正交三角分解，得到正交三角分解式，获得3×3局部邻域的上三角矩阵对角线元素，正交分解式如下：
I(x,y)＝QRP (1)
其中(x,y)为局部邻域的中心像素坐标，Q为局部邻域I(x,y)分解得到的正交矩阵，其大小为3×3；R为局部邻域I(x,y)分解得到的三角矩阵，其大小为3×3，上三角矩阵R的第i个对角元素表示为ri，i＝1,2,3；P为置换矩阵，其大小为3×3；将所述上三角矩阵R的第i个对角元素进行非线性放大，即：
步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征。
2.根据权利要求1所述一种基于正交三角分解的光照不变特征提取方法，其特征在于：步骤3中将步骤2得到的修正的对角元素代入下式，
并将QI(x,y)等比例的转化到1到255之间，得到光照不变特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110813505.XA CN113361492B (zh) | 2021-07-19 | 2021-07-19 | 一种基于正交三角分解的光照不变特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110813505.XA CN113361492B (zh) | 2021-07-19 | 2021-07-19 | 一种基于正交三角分解的光照不变特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361492A CN113361492A (zh) | 2021-09-07 |
| CN113361492B true CN113361492B (zh) | 2023-10-24 |
Family
ID=77539929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110813505.XA Active CN113361492B (zh) | 2021-07-19 | 2021-07-19 | 一种基于正交三角分解的光照不变特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361492B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778416A (zh) * | 2014-01-24 | 2014-05-07 | 东南大学 | 一种自适应逼近人脸图像产生方法 |
| WO2014190037A1 (en) * | 2013-05-22 | 2014-11-27 | Siemens Aktiengesellschaft | Parameter estimation for mesh segmentation using random walks |
| CN110210340A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 一种人脸特征值比对方法及其系统、可读存储介质 |
| CN110910320A (zh) * | 2019-11-04 | 2020-03-24 | 南京邮电大学 | 一种基于奇异值分解的人脸图像光照复原方法 |
| CN110956090A (zh) * | 2019-11-04 | 2020-04-03 | 南京邮电大学 | 一种基于正负光照不变单元融合的人脸特征提取方法 |
| CN113077402A (zh) * | 2021-04-12 | 2021-07-06 | 南京邮电大学 | 一种基于正交三角分解的人脸图像光照复原方法 |
-
2021
- 2021-07-19 CN CN202110813505.XA patent/CN113361492B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014190037A1 (en) * | 2013-05-22 | 2014-11-27 | Siemens Aktiengesellschaft | Parameter estimation for mesh segmentation using random walks |
| CN103778416A (zh) * | 2014-01-24 | 2014-05-07 | 东南大学 | 一种自适应逼近人脸图像产生方法 |
| CN110210340A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 一种人脸特征值比对方法及其系统、可读存储介质 |
| CN110910320A (zh) * | 2019-11-04 | 2020-03-24 | 南京邮电大学 | 一种基于奇异值分解的人脸图像光照复原方法 |
| CN110956090A (zh) * | 2019-11-04 | 2020-04-03 | 南京邮电大学 | 一种基于正负光照不变单元融合的人脸特征提取方法 |
| CN113077402A (zh) * | 2021-04-12 | 2021-07-06 | 南京邮电大学 | 一种基于正交三角分解的人脸图像光照复原方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361492A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921786B (zh) | 基于残差卷积神经网络的图像超分辨率重构方法 | |
| CN108230264B (zh) | 一种基于ResNet神经网络的单幅图像去雾方法 | |
| CN109741256A (zh) | 基于稀疏表示和深度学习的图像超分辨率重建方法 | |
| Yue et al. | Dif-fusion: Towards high color fidelity in infrared and visible image fusion with diffusion models | |
| CN108875645B (zh) | 一种煤矿井下复杂光照条件下的人脸识别方法 | |
| CN110782477A (zh) | 基于序列图像的运动目标快速检测方法、计算机视觉系统 | |
| CN107133929A (zh) | 基于背景估计和能量最小化的低质量文档图像二值化方法 | |
| CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
| CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
| CN113392828B (zh) | 一种基于高分辨率点阵的编码与解码方法 | |
| CN106203360A (zh) | 基于多级过滤模型的密集场景人群分群检测算法 | |
| CN113361492B (zh) | 一种基于正交三角分解的光照不变特征提取方法 | |
| CN106203536B (zh) | 一种织物疵点的特征提取及检测方法 | |
| CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN110569848A (zh) | 一种电力设备铭牌的特征提取方法及系统 | |
| CN103136530A (zh) | 在复杂工业环境下的视频图像中自动识别目标图像的方法 | |
| CN111144513B (zh) | 一种结合生成对抗网络与传统图像处理技术的工业产品喷涂缺陷数据增强方法 | |
| CN106778789A (zh) | 一种多视点图像中的快速目标提取方法 | |
| CN108171124A (zh) | 一种相似样本特征拟合的人脸图像清晰化方法 | |
| Hua et al. | Image segmentation algorithm based on improved visual attention model and region growing | |
| CN110956090B (zh) | 一种基于正负光照不变单元融合的人脸特征提取方法 | |
| CN112184669A (zh) | 一种大坡度线路上的接触网悬挂装置故障检测方法 | |
| CN105528795B (zh) | 一种利用环形最短路径的红外人脸分割方法 | |
| CN109615584B (zh) | 一种基于单应性约束的sar图像序列map超分辨率重建方法 | |
| CN115330752A (zh) | 基于深度图像识别的路面隐性剥落点检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |