一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法技術

一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法，該方法可以實現對有光照變化的人臉進行識別。本發明專利技術經實驗分析得出單尺度Retinex算法對于光照變化較大的人臉，處理結果存在陰影，而且處理后人臉的統計直方圖與光照正常人臉的統計直方圖存在很大差異，因此本發明專利技術對單尺度Retinex算法處理結果進一步進行均勻濾波以消除噪聲，然后提取歸一化結構描述子。最后利用歸一化結構描述子得到去光照的人臉圖像，處理結果的統計直方圖與光照正常人臉的統計直方圖差異明顯減小。本發明專利技術提出的方法計算復雜度低，同時對于光照變化大的情況，識別性能要優于單尺度Retinex的方法，因此，本發明專利技術具有一定的應用價值和意義。

【技術實現步驟摘要】
一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法
本專利技術涉及光照人臉識別技術，具體涉及一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法的研究及實現。
技術介紹
隨著美國911恐怖襲擊事件以及網絡CSDN用戶信息遭泄露事件的發生，生物特征識別技術受到大家關注，而人臉生物特征的識別認證技術一直是生物特征識別領域研究的熱點，人臉識別在可控的情況下可以獲得很好的識別性能，但在實際應用中，人臉識別往往受到很多因素影響，當人臉姿態發生變化，表情發生變化，外界光照發生變化，人臉存在遮擋（戴圍巾，墨鏡）等情況時，人臉識別的性能將會下降很多，這就制約了人臉識別在實際中的應用。其中人臉光照變化給人臉識別帶來的影響是使得同一個人的兩幅人臉的類內差異大于不同人之間的兩幅人臉的類間差異，進而造成識別錯誤。因此很多研究學者致力于光照人臉識別方法的研究，光照人臉識別方法主要分為三大類，一類是光照歸一化的方法，這類方法的主要思想是將光照人臉歸一化到正常光照人臉，代表性的方法包括：直方圖均衡，對數變換以及伽馬校正，但這類方法由于沒有考慮光照人臉的光照條件，因此很難獲得滿意的效果，第二類方法是基于模型的方法，這類方法的基本思想是利用Lambertian表面的假設去構建不同光照條件下的圖像模型，代表性的方法主要有Basri和Jacobs提出的球諧函數法，Georghiades等人提出的光照錐的方法，Lee等人提出的線性子空間的方法，這類方法雖然可以獲得較好的效果，但也有明顯的不足，就是需要很多的訓練樣本，因此這類方法很難滿足實際應用的要求。第三類為提取光照不敏感特征的方法，代表性的方法有局部二值模式（LBP），離散余弦變換（DCT），自熵圖像法（SQI），Chen等人提出的對數全變分模型（LTV），Wang等人提出的Weber-face，Hou等人提出的relativegradients(RG)，Zhang等人提出的Gradient-faces，Jobson等人基于Retinex理論提出的單尺度Retinex算法和多尺度Retinex算法。本專利技術針對單尺度Retinex算法進行研究分析發現，當光照變化劇烈時，單尺度Retinex算法的處理結果存在陰影，進一步分析處理結果的統計直方圖，發現該結果的統計直方圖與正常光照人臉處理結果的統計直方圖有很大差異，因此基于單尺度Retinex算法的光照人臉識別方法性能不是很好，因此本專利技術針對單尺度Retinex算法進行改進，在單尺度Retinex算法基礎上提取歸一化結構描述子改善單尺度Retinex算法的性能，提出聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法。
技術實現思路
本專利技術提供一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法，該方法可以實現任意光照條件下的人臉進行識別。由于現有的光照人臉識別方法有各自的缺陷，特別是單尺度Retinex算法，本專利技術單尺度Retinex算法進行改進，在單尺度Retinex算法基礎上提取歸一化結構描述子改善單尺度Retinex算法的性能，提出聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法。本專利技術經實驗分析得出單尺度Retinex算法對于光照變化較大的人臉，處理結果存在陰影，而且處理后人臉的統計直方圖與光照正常人臉的統計直方圖存在很大差異，因此本專利技術對單尺度Retinex算法處理結果進一步進行均勻濾波以消除噪聲，然后提取歸一化結構描述子。最后利用歸一化結構描述子得到去光照的人臉圖像，處理結果的統計直方圖與光照正常人臉的統計直方圖差異明顯減小。本專利技術提出的方法計算復雜度低，同時對于光照變化大的情況，識別性能要優于單尺度Retinex的方法，因此，本專利技術具有一定的應用價值和意義。為了實現上述問題，本專利技術提供了一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法，該方法具體包括：A、注冊階段，對于每個人的光照正常人臉（光照條件如YalefacedatabaseB中“A+000E+00”的人臉圖像），首先利用單尺度Retinex算法進行處理，提取反射分量，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成去光照的人臉圖像，并將去光照的人臉圖像存入數據庫中。B、識別階段，采集一幅任意光照的人臉圖像，首先對其利用單尺度Retinex算法進行處理，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成該光照人臉的去光照人臉圖像，利用該去光照人臉圖像與數據庫中的去光照人臉圖像依此進行結構相似度（SSIM）計算，如果最大的結構相似度值大于設定閾值0.40，則最大的結構相似度值所對應的的人即為最終的識別結果，如果最大的結構相似度值小于設定閾值0.40，則該人臉圖像所對應的人在數據庫中不存在。所述步驟A具體包括：A1、對于每個人，首先利用攝像頭采集其光照正常的人臉圖像（光照條件如YalefacedatabaseB中“A+000E+00”的人臉圖像）；A2、對于每個人的光照正常人臉圖像，首先利用單尺度Retinex算法進行處理，提取反射分量；A3、對A2步驟中得到的處理結果進行均勻濾波，消除噪聲；A4、將A3步驟中得到的均勻濾波后的結果提取歸一化結構描述子。將圖像按照5*5的大小進行網格劃分，對于每一個網格，計算它的均值μ和方差σ，則網格中每一個像素點的歸一化結構描述子定義為NSD(x,y)NSD(x,y)=(Pixel(x,y)-μ)/σ，其中Pixel(x,y)為(x,y)處像素值；A5、將A4步驟中得到的每一個像素點的歸一化結構描述子作為光照正常人臉圖像中對應位置的新像素值，就得到了去光照的人臉圖像，將該去光照的人臉圖像存入數據庫中。所述步驟B具體包括：B1、對于任意一個人，利用攝像頭采集其任意光照的人臉圖像。B2、對B1步驟中采集到的任意光照的人臉圖像利用單尺度Retinex算法進行處理，提取反射分量；B3、對B2步驟中得到的處理結果進行均勻濾波，消除噪聲；B4、利用B3步驟中得到的均勻濾波后的結果提取歸一化結構描述子。將圖像按照5*5的大小進行網格劃分，對于每一個網格，計算它的均值μ和方差σ，則網格中每一個像素點的歸一化結構描述子定義為NSD(x,y)NSD(x,y)=(Pixel(x,y)-μ)/σ其中Pixel(x,y)為(x,y)處像素值B5、將B4步驟中得到的每一個像素點的歸一化結構描述子作為該任意光照人臉圖像中對應位置的新像素值，就得到了該任意光照人臉圖像的去光照人臉圖像；B6、將B5得到的去光照人臉圖像與數據庫中的去光照人臉圖像依此進行結構相似度（SSIM）計算，如果最大的結構相似度值大于設定閾值0.40，則最大的結構相似度值所對應的的人即為最終的識別結果，如果最大的結構相似度值小于設定閾值0.40，則該人臉圖像所對應的人在數據庫中不存在。本專利技術與現有技術相比，具有以下明顯的優勢和有益效果：（1）本專利技術采集一幅光照正常人臉，無需采集多幅不同光照人臉進行訓練，因此計算復雜度要遠遠低于基于模型的方法。（2）本專利技術提取歸一化結構描述子，只需要計算每一個網格的均值μ和方差σ，計算本文檔來自技高網...

【技術保護點】
一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法，包括以下步驟：A、注冊階段，對于每個人的光照正常人臉，首先利用單尺度Retinex算法進行處理，提取反射分量，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成去光照的人臉圖像，并將去光照的人臉圖像存入數據庫中；B、識別階段，采集一幅任意光照的人臉圖像，首先對其利用單尺度Retinex算法進行處理，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成該光照人臉的去光照人臉圖像，利用該去光照人臉圖像與數據庫中的去光照人臉圖像依此進行結構相似度SSIM計算，如果最大的結構相似度值大于設定閾值0.40，則最大的結構相似度值所對應的的人即為最終的識別結果，如果最大的結構相似度值小于設定閾值0.40，則該人臉圖像所對應的人在數據庫中不存在。

【技術特征摘要】
1.一種聯合單尺度Retinex算法和歸一化結構描述子的光照人臉識別方法，包括以下步驟：A、注冊階段，對于每個人的光照正常人臉，首先利用單尺度Retinex算法進行處理，提取反射分量，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成去光照的人臉圖像，并將去光照的人臉圖像存入數據庫中；B、識別階段，采集一幅任意光照的人臉圖像，首先對其利用單尺度Retinex算法進行處理，之后對處理結果進行均勻濾波，消除噪聲，然后提取歸一化結構描述子，最后利用歸一化結構描述子生成該光照人臉的去光照人臉圖像，利用該去光照人臉圖像與數據庫中的去光照人臉圖像依次進行結構相似度SSIM計算，如果最大的結構相似度值大于設定閾值0.40，則最大的結構相似度值所對應的人即為最終的識別結果，如果最大的結構相似度值小于設定閾值0.40，則該人臉圖像所對應的人在數據庫中不存在；所述步驟A具體包括：A1、對于每個人，首先利用攝像頭采集其光照正常的人臉圖像；A2、對于每個人的光照正常人臉圖像，首先利用單尺度Retinex算法進行處理，提取反射分量；A3、對A2步驟中得到的處理結果進行均勻濾波，消除噪聲；A4、將A3步驟中得到的均勻濾波后的結果提取歸一化結構描述子；將圖像按照5*5的大小進行網格劃分，對于每一個網格，計算它的均值μ和方差σ，則網格中每一個像素點的歸一化結構描述子定義為NSD(x,y)NSD(x,y)＝(Pixel(x,y...

【專利技術屬性】
技術研發人員：毋立芳，周鵬，許曉，曹航明，侯亞希，
申請(專利權)人：北京工業大學，
類型：發明
國別省市：