[发明专利]一种光照自适应的人脸图像增强方法

说明书

本发明公开了属于图像处理和人脸识别领域的一种光照自适应的人脸图像增强方法。包括以下步骤：1）计算输入人脸图像的平均亮度；2）将其与经统计学习得到的正常光照人脸图像的亮度区间进行比较，判定其光照水平，分为低光照、高光照或正常光照；3）对判定为低光照或高光照的人脸图像，基于相机响应模型和曝光融合的方法进行光照增强处理，对于判定为正常光照的人脸图像，则不进行处理，直接输出；4）对上一步增强后的人脸图像再次计算平均亮度并判定光照水平，迭代执行以上图像增强操作，直到最终输出正常光照水平的人脸图像为止。本发明增强后的人脸图像可无缝接入现有人脸识别算法作为输入，改善现有人脸识别系统在复杂光照条件下的性能。

技术领域

本发明属于图像处理和人脸识别领域，具体涉及一种光照自适应的人脸图像增强方法。

背景技术

人脸识别技术近年来在可控条件下取得了不错的效果，出现了许多成熟的人脸识别算法和系统。但是，实际应用中由于受光照、表情、姿态等不可控因素的影响，导致同一人脸的图像在不同环境下变化很大，其中光照变化对人脸识别性能的影响最为明显，大大制约了人脸识别的应用场合。研究提高复杂光照条件下人脸识别性能的方法是一项具有挑战性的任务。近年来，国内外学者做了大量的研究工作，提出了不同的方法来实现光照鲁棒的人脸识别，主要分为三类：一是光照预处理，通过基本的图像处理技术对人脸图像进行光照调整或补偿来减小光照影响，如采用伽玛校正(Gamma Correction，GC)或直方图均衡化(Histogram Equalization，HE)的方法；二是对人脸图像进行光照归一化处理，有基于Lambert光照模型估计人脸图像中与光照无关的反射分量的方法，如基于Retinex的算法、自商图(Self-Quotient Image,SQI)算法等，还有基于滤波原理的方法，如基于高斯差分(Difference of Gaussian,DoG)滤波原理提出的可增强局部纹理的光照归一化算法(Tanand Triggs Normalization,TT)，基于高斯滤波原理提出的韦伯脸计算方法(Weber-faces，WEB)，基于微分滤波原理提出的梯度脸计算方法(Gradient-faces)；三是提取对于光照具有不变性的人脸特征，如基于局部二值模式(LBP)、局部三值模式(LTP)、Gabor特征以及其变种算法等构建稳定的人脸特征表示。这三类方法是从不同的角度去改善光照变化对人脸识别的影响，近年来也有一些研究通过组合这三类方法来达到更好的人脸识别效果。光照归一化方法或光照不变特征提取方法使得人脸图像的表示在大部分光照下显现出稳定性，但在人脸图像过暗、过亮、不均匀等极端情况下，仍难以获得较理想的人脸特征表示和识别效果，这说明人脸识别方法的输入图像质量也很重要，因而通过特定光照预处理增强算法改善人脸光照水平和图像质量，再与光照归一化方法以及合适的人脸特征提取算法相结合，对提高复杂光照条件下的人脸识别效果具有积极意义。

发明内容

本发明针对人脸识别场合中可能存在的光照过暗、过亮和光照不均匀的情形，旨在解决复杂光照条件下人脸图像成像质量差、影响人脸识别性能的问题，提出一种光照自适应的人脸图像增强方法。其主要特点在于：通过估计输入人脸图像以及增强后的人脸图像的光照水平进行自适应迭代式的分类处理，利用相机响应模型和虚拟曝光图像融合方案，使得实际中处于不同程度的低光照、高光照和不均匀光照条件下的人脸图像均能取得较好的增强效果，且这种光照自适应增强后的人脸图像可无缝接入现有的人脸识别算法作为输入图像，改善现有人脸识别系统的性能。

具体而言，本发明提供的一种光照自适应的人脸图像增强方法，包括以下步骤：