一種人臉圖像光照參數和去光照圖的高精度同時估計方法，基于商圖算法的參數化光照子空間框架，提出了一個改進的目標函數及其約束條件，允許人臉各像素點擁有獨立的反射系數，更加符合人臉物理實際，提高了參數估計的精度；設計了一個類EM的迭代算法來求解該目標函數，能夠高效地實現光照參數和去光照圖的同時估計目的。相對于原商圖系列算法，所提改進算法改善了人臉圖像光照參數和去光照圖的估計精確度，從而可以被直接用于提高基于光照參數的人臉圖像光照重繪質量，以及基于去光照圖的人臉識別系統準確率。
【技術實現步驟摘要】
本專利技術屬于計算機視覺和圖像處理領域
，特別是一種。
技術介紹
光照是影響人臉成像和人臉圖像構成的重要因素，變化和未知的光照條件是人臉圖像分析、合成以及識別技術實現的難點之一，人臉圖像間光照差異的存在嚴重制約著現有人臉識別系統的性能。因此，對人臉圖像光照效果的研究需求首先來自于建造對光照變化更加魯棒的人臉識別系統。另外，人臉光照估計與重繪技術在計算機圖形學領域也十分活躍，并被廣泛地應用于虛擬現實、游戲制作、數字化電影后期制作等眾多的用途。針對光照因素在人臉圖像分析、合成及人臉識別系統的研究中，光照參數估計及去光照圖估計是其核心難點技術。光照參數估計指提取出給定人臉圖像的與個體無關的光照因素參數化表達數值，它是進行光照重繪的基礎；去光照圖指從任意光照條件的人臉圖像中去耦光照差異的因素，從而提取出的與光照無關的人臉濾波圖像，該圖像可被直接用于實現光照不變的人臉識別。實現上述目標的算法根據是否采用3D形狀建模以及是否基于朗伯特 (Lambertain)反射模型，可以被劃分為4個類別，這些方法通過對2D或3D的訓練集設計不同的學習算法來提取其低維的參數，從而構造出各種不同含義的線性光照參數子空間。新樣本通過在光照子空間中的投影或重構，分別用于實現光照估計、去光照圖提取、光照魯棒人臉識別等目的?？蓾u變模型是一種具有人臉多屬性綜合繪制能力的人臉3D模型。該模型利用人臉形狀與紋理的統計先驗信息，采用Phong反射模型來估計和表達人臉表面的紋理特性， 可以同時用于解決人臉光照與姿態的識別及合成間題。然而，該方法的實現復雜度較高，并且依賴于大規模人臉3D數據庫的訓練與學習。Kriegman等人發現任意照明條件下的人臉圖像集可以在圖像空間中構成凸錐(Convex Cone)的結構。通過學習每個人臉對象的多張不同照明圖像，作者提出了 3D人臉照明錐模型。該模型同樣可以被用于解決人臉合成與識別中照明與姿態的組合變化問題。Jacobs等人提出了基于球面諧波表達的子空間模型，則通過構造一個9維的線性子空間來近似地表達凸朗伯特對象在所有可能光照條件下得到的圖像集。Shashua等人提出了基于人臉理想類假設的商圖方法。該方法通過3個獨立固定點光源的線性組合來表達三維世界的任意光照情況，能夠在統一的數學框架下實現光照效果重繪、及光照不變的人臉識別任務。Chen等人將朗伯特對象的表面逐點反射系數命名為本質圖(Intrinsic Image)，并通過在線性子空間中對該圖的估計實現人臉光照的重繪。與基于3D人臉建模的方法相比，基于2D圖像的子空間學習方法能夠在較小的計算復雜度下， 實現與3D方法接近的光照重繪效果。張量臉模型通過構建多維的線性子空間可以同時處理人臉的多個不同屬性(如光照、姿態、表情等)。針對光照重繪的特定任務，人臉圖像的光照與身份這兩個因素可以構成一個三模式的張量，也可以通過雙線性子空間模型來表達。Lee等人針對人臉照明和形狀因素，基于奇異值分解(SVD)提出了一個雙線性模型，并報道可以獲得比球面諧波等算法更有效的人臉圖像光照變化的表達能力。上述這些算法中大多數是設計用于對光照參數或去光照圖中其中某一個目的進行專門求解，因此若是希望同時獲得這兩項估計值，則必須分別使用兩個不同的算法進行求解，這樣在實現上較為復雜。商圖算法因其簡潔的運算以及在人臉識別與合成應用中的有效性，自提出以來， 已引起了廣泛的關注和進一步的發展。一系列改進的算法包括自商圖GelfQI)、非點光源商圖(NPL-QI)、全變分商圖(TV-QI)、形態學商圖(MQI)、動態形態學商圖(DMQI)、照明比例圖aRi)等陸續被提出。然而商圖算法假設任一人臉對象i的表面具有恒定的反射系數P i，從而任意兩個人臉對象i與r間的商圖= 就被通過一個標量參數、=APAP)Pr來近似地表達。這種簡化可以方便參數的求解過程。然而現實之中，人臉表面的反射系數是因點而異的，該項假設并不能夠嚴格成立。這種近似表達給光照參數的估計引入了固有的誤差，并將直接導致去光照圖估計精度的損失，從而影響到人臉識別系統的識別率。
技術實現思路
為了克服上述現有技術存在的不足，本專利技術的目的在于提供一種，在商圖算法的參數化光照估計框架下提出了一個改進的目標函數及其約束條件，允許人臉各像素點擁有不同的反射系數，更加符合了人臉的物理實際；在增加了目標函數求解難度的時候設計出了一個類EM的迭代算法來求解該目標函數，并給出了求解算法的詳細步驟，相對于原商圖系列算法，所提改進算法改善了人臉圖像光照參數和去光照圖的估計精確度，從而可以被直接用于提高基于光照參數的人臉圖像光照重繪質量，以及基于去光照圖的人臉識別系統準確率。為了達到上述目的，本專利技術所采用的技術方案是一種，采用朗伯特反射模型來建模人臉圖像的成像，該模型如下式(1)所示I(p) = p(p)n(p)TS(p) (1)式⑴中的人臉圖像I通過其每一個表面點上反映紋理信息的逐點反射系數P 乘以該點上的法向量η和光源向量s的內積來表達，ρ = IL P，表示總像素數為P的圖像I 中的每一個像素；根據一個三維物體在3D空間中的光照向量可以用3個獨立點光源的線性組合來近似表達這一原理，設~，j = IL 3表示一組線性獨立的點光源集，則光源向量s可以表達為=，其中的光源組合權重系數χ = (X1, x2, X3)τ即待估計的光照參數，它所張成的線性空間稱為參數化光照子空間；接著采集N個人臉對象在這3個獨立點光源 Sj, j = IL 3分別照射下生成的3XN幅正面人臉圖像，對這些圖像進行特征點標定和后向變形(Warp)操作以實現像素級對準，獲得訓練樣本集Ai, i = IL N，其中每個樣本Ai是一個PX3的非負實矩陣，表示第i個人臉對象在該組光源照射下得到的圖像；設目標人臉對象r相對于訓練樣本集Ai, i = IL N中任意第i個參考人臉對象的商圖& (ρ)為其兩者間逐像素反射系數之比權利要求1. ー種人臉圖像光照參數和去光照圖的高精度同時估計方法，其特征在干，采用朗伯 特反射模型來建模人臉圖像的成像，該模型如下式(1)所示 I(P) = P (P)II(P)tS(P)⑴式(1)中的人臉圖像I通過其每ー個表面點上反映紋理信息的逐點反射系數P乘以 該點上的法向量n和光源向量s的內積來表達，P = IL P，表示總像素數為P的圖像I中的 每ー個像素；根據一個三維物體在3D空間中的光照向量可以用3個獨立點光源的線性組合 來近似表達這ー原理，設^，j = IL 3表示一組線性獨立的點光源集，則光源向量s可以表達為全文摘要一種，基于商圖算法的參數化光照子空間框架，提出了一個改進的目標函數及其約束條件，允許人臉各像素點擁有獨立的反射系數，更加符合人臉物理實際，提高了參數估計的精度；設計了一個類EM的迭代算法來求解該目標函數，能夠高效地實現光照參數和去光照圖的同時估計目的。相對于原商圖系列算法，所提改進算法改善了人臉圖像光照參數和去光照圖的估計精確度，從而可以被直接用于提高基于光照參數的人臉圖像光照重繪質量，以及基于去光照圖的人臉識別系統準確率。文檔編號G06T7/20GK102346857SQ201110269090公開日2012年2月8日 申請日期2本文檔來自技高網...
【技術保護點】
１．一種人臉圖像光照參數和去光照圖的高精度同時估計方法，其特征在于，采用朗伯特反射模型來建模人臉圖像的成像，該模型如下式（１）所示：Ｉ（ｐ）＝ρ（ｐ）ｎ（ｐ）Ｔｓ（ｐ） ?。ǎ保┦剑ǎ保┲械娜四槇D像Ｉ通過其每一個表面點上反映紋理信息的逐點反射系數ρ乘以該點上的法向量ｎ和光源向量ｓ的內積來表達，ｐ＝１Ｌ Ｐ，表示總像素數為Ｐ的圖像Ｉ中的每一個像素；根據一個三維物體在３Ｄ空間中的光照向量可以用３個獨立點光源的線性組合來近似表達這一原理，設ｓｊ，ｊ＝１Ｌ ３表示一組線性獨立的點光源集，則光源向量ｓ可以表達為：其中的光源組合權重系數ｘ＝（ｘ１，ｘ２，ｘ３）Ｔ即待估計的光照參數，它所張成的線性空間稱為參數化光照子空間；接著采集Ｎ個人臉對象在這３個獨立點光源ｓｊ，ｊ＝１Ｌ?。撤謩e照射下生成的３×Ｎ幅正面人臉圖像，對這些圖像進行特征點標定和后向變形（Ｗａｒｐ）操作以實現像素級對準，獲得訓練樣本集Ａｉ，ｉ＝１Ｌ?。?，其中每個樣本Ａｉ是一個Ｐ×３的非負實矩陣，表示第ｉ個人臉對象在該組光源照射下得到的圖像；設目標人臉對象ｒ相對于訓練樣本集Ａｉ，ｉ＝１Ｌ?。沃腥我獾冢閭€參考人臉對象的商圖Ｑｉ（ｐ）為其兩者間逐像素反射系數之比：ρｉ（ｐ）和ρｒ（ｐ）分別表示第ｉ個參考人臉對象和目標人臉對象ｒ在對應像素ｐ上的反射系數；該定義下的商圖集Ｑ＝（Ｑ１，Ｌ，ＱＮ）是一組去耦了目標人臉圖像光照因素而保留了其表面紋理差異特征的濾波圖像，可被用于實現光照不變的人臉識別；設目標人臉圖像ＴＩ對應的對角陣ｄｉａｇ（ＴＩ）＝Ｒ，執行人臉光照參數和去光照圖的同時估計核心算法，該算法流程描述如下：Ｓｔｅｐ１．參數初始化：＊＊＊ｉ＝１Ｌ Ｎ，這里和是單位向量；Ｓｔｅｐ２．將Ｑ＝（Ｑ１，Ｌ，ＱＮ）代入線性方程組：＊＊＊根據公式＊＊＊求解出ｘ；Ｓｔｅｐ３．將ｘ代入線性方程組：ＲＴＲＱｉ＝ＲＴＡｉｘ，ｉ＝１Ｌ Ｎ，分別求解出ｉ＝１Ｌ?。螘r對應的每一個商圖Ｑｉ的解：ｐ＝１Ｌ?。?，ｉ＝１Ｌ Ｎ；Ｓｔｅｐ４．令ｉ＝１Ｌ Ｎ，為第ｄ步迭代中得到的第ｉ個商圖中所有像素的平均值，根據式ｐ＝１ＬＰ更新每一個商圖Ｑｉ上的每一個像素ｐ處的灰度值；Ｓｔｅｐ．５判斷如果滿足＊＊＊則＊＊＊即為所求光照參數，進入下一步；否則跳回Ｓｔｅｐ２繼續循環；Ｓｔｅｐ．６對所得商圖＊＊＊ｉ＝１Ｌ?。吻笃淦骄鶊D＊＊＊并基于其標定特征點進行前向Ｗａｒｐ操作以恢復其原始形狀，即為所求目標人臉的去光照圖，結束計算。...
【技術特征摘要】
【專利技術屬性】
技術研發人員：劉劍毅，鄭南寧，劉躍虎，馬瑤，
申請(專利權)人：西安交通大學，
類型：發明
國別省市：87
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。