[发明专利]一种利用Wallis算子的人脸光照不变特征提取方法

说明书

技术领域

本发明涉及模式识别技术领域，具体是一种利用Wallis算子的人脸光照不 变特征提取方法。

背景技术

基于生物特征之一的人脸作为人体与生俱来的最普通的生理结构，具有其 他生物特征所不具有的直接友好性，是生物特征识别研究领域的重要对象。人 脸信息有着不可复制、不可盗取、简便直观等优点，是大数据时代各商业银行 应储备和发掘价值的重要战略资源。而随着技术变革和应用的普及，建设大规 模、分布式人脸数据库及识别系统的成本不断降低，识别的精度不断提高。因 此，基于人脸的识别技术应运而生，它作为一种最能平衡各方利弊及具多功能 的生物特征识别技术，在身份鉴定、人机交互和视频监控等商业应用领域中有 着广阔的发展前景。经过近40年的研究和发展，取得了长足的进步，许多优秀 的人脸识别算法在理想情况下已经能取得非常好的识别性能。但是人脸识别仍 是一个没有彻底解决的难题，光照变化问题便是其未解决的关键问题之一。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

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Wallis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Wallis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Wallis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ln I。

所述对数域的人脸图像ln I在像素点(x,y)的灰度值为：

ln I(x,y)＝ln R(x,y)+ln L(x,y)(1)

所述利用Wallis算子对人脸图像锐化处理，具体为：运用Wallis算子模板 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＝4ln R_0,0+4ln L_0,0-ln R_0,-1-ln L_0,-1-ln R_-1,0-ln L_-1,0-ln R_0,1-ln L_0,1-ln R_1,0-ln L_1,0(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消除。

所述人脸光照不变特征为：

I'_0,0＝4ln R_0,0-ln R_0,-1-ln R_-1,0-ln R_0,1-ln R_1,0(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Wallis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。