【可变光照条件下的图像预处理方法研究】 基于matlab的图像分割
时间：2020-03-05 07:23:11 来源：雅意学习网 本文已影响 人 
摘要:图像预处理是人脸识别技术的重要组成部分,而光照问题是预处理技术的难点和重点。传统的图像预处理算法使图像信息损失较大。全局调整函数在调整图像的光照状态的过程中并不会引入更多的噪声或者损失更多的信息,而是加强了图像中原有的一些信息,从而使得图像中的特征更加的明显,降低了光照因素对图像的影响,使图像的辨识度更高。
关键词:人脸识别;直方图均衡;视觉感知;全局调整函数
DOI:10.3969/j.issn.1672-8289.2010.10.053
0 引言
随着社会安全和计算机技术的迅猛发展,人脸识别技术得到了广泛应用。促进了人脸识别技术的迅速发展,现有的算法在检测和识别室内正常环境中采集的人脸图像已经达到了较高的识别率,但是,各种系统对于处理复杂环境中采集的人脸图像还不是很成熟,还有很多问题有待解决。对于同一张人脸,当人的姿态、表情以及采集环境中的光源数量、光源强度和方向等因素发生变化时,采集到的人脸图像将会有重大的变化。现有的一些算法的性能将明显的下降。研究人员分别针对光照、姿态以及表情等因素提出了一些相应的算法。因为本课题主要应用背景是车辆内的人脸识别,因此针对姿态和表情问题可以采取相应的限制手段解决,因此对图像的预处理主要解决光照变化对图像识别的影响。
针对光照问题,目前现有的研究方法主要分为以下3类:增强图像的方法、基于不变特征的方法、光照变化建模方法的方法[1]。第一类算法着重于图像本身,期望从现有的图像中恢复出尽可能多的信息,以减弱光照变化给图像带来的影响,其中最常采用的方法是直方图均衡法。第二类算法着重于寻找具有光照不变性的特征来描述光照变化下的图像。而第三类算法着重于描述不同光照环境中图像的变化情况,即通过建立模型来预测人脸在各种光照环境中可能的产生的图像。该模型可以直接通过人脸的形状信息建立,也可以利用光照对图像带来的变化建立。利用形状信息建立模型最关键的问题就是要从图像中恢复出物体的三维信息[2]。
1 传统图像预处理方法
1.1增强图像方法
当目标物体本身的姿态固定,同时采集设备的观测角度也确定后,环境中的光照条件将决定采集到的图像的表像。而入射光可以看作是目标物体表面特性的放大器,即较强的光线可以放大目标物体的表面特性而较弱的光线则起抑制作用。于是,对于在非均匀光照条件下采集到的图像,可以看作是其中的一部分信息被放大或者抑制。如果可以对被抑制或者放大的信息做适当的调整,则可以减弱光照对图像的影响。直方图均衡[3](Histogram Equalization, HE)是常用手段,它把一已知灰度概率分布的图像,变换成具有均匀概率分布的图像的过程,直方图均衡是针对图像的一个整体的操作,也就是对取相同灰度值的点所作的操作都是相同的。直方图均衡只是针对象素点的运算,调整的过程中并没有考虑到每个象素点周围的情况,所以调整之后的图像虽然对比度可以加强,但同时图像中的噪声也会被加强。直方图均衡方法在人脸检测、识别中常被用来预处理图像,以减弱光照变化对图像的影响。Sung以及Rowley在人脸检测算法中,通过从原图中减掉一个近似的平面反射光照估计来去除光照的影响,而后通过直方图均衡的方法加强对比度。根据光照的基本知识,光照对于灰度值的影响并不是加性的而是乘性的,因此用减法并不能消除光照的影响。
1.2基于不变特征的方法
基于不变特征方法的主要思想是寻求人脸中光照不变或至少对光照变化不敏感的特征。Adini 指出表面反射率或方向的不连续会引起灰度跃变,而那些与灰度跃变有关的图像边缘信息可能对光照变化不敏感。基于上述结论,很多研究人员设计通过提取人脸的边缘特征进行人脸识别。首先进行边缘检测,然后通过计算两幅图像的边缘图距离来进行识别。Takacs用 Sobel 边缘检测算法得到二值边缘图,然后计算两幅边缘图的 Hausdorff 距离来进行识别[4]。Gao 等提出提取图像的线性边缘图(Line Edge Line)的方法,这种方法将模板匹配与几何特征匹配结合起来,既保留了基于特征的识别方法的光照不敏感性和低存储量,又具有模板匹配的高识别率。Gabor 函数对于图像的边缘敏感,能够提供良好的方向选择和尺度选择特性而且对于光照变化不敏感,能够提供对光照变化良好的适应性。Liu 和 Wechsler利用增强的 Fisher 线性判别模型对 Gabor 特征进行进一步的提取和分类。此外,人脸图像中常用的对光照变化不敏感的特征还有:图像的梯度信息、非线性 Log 函数变换以及图像的微分变换等。
基于不变特征方法的思想很直接,但实践表明这种方法对光照校正都有一定的局限性,Adini 实验表明“没有任何表示本身能克服光照方向变化”。[5]
1.3光照变化建模方法
光照变化建模方法的主要思想是在一个适合的子空间或者流形中表示光照变化引起的变化。近年来,很多研究者应用 3D 方法建立光照模型进行人脸识别。同时,由于人工神经网络在模式识别领域的成功应用,很多科研人员尝试用神经网络进行人脸识别。Georghiades 等提出基于光照锥(Illumination Cone) [6]的人脸识别方法。Batur 等利用聚类算法分割人脸图像区域,该方法比较简单有效。最近,Lee 等直接基于每人 9 个特定的光源方向的实际图像获得每个人的子空间,又称九点光源法,实验表明该方法是有效的。Basri从理论上推导出朗伯凸表面对象的光照空间可用一个 9 维子空间表示。该方法用球谐函数描述光照,将朗伯凸反射表面看作入射光的一个低通滤波器。在己知人脸的 3D 形状和表面反射率的情况下,可获得描述人脸光照的 9 个球谐函数图像基。但是,利用球谐函数做光照处理需要己知物体的表面法向量,这限制了该方法在检测或者识别中的进一步的应用。Lee基于线性代数的子空间理论寻找到一个线性子空间,即点光照子空间。该子空间与光照锥的交集达到最大同时与球谐子空间的距离最小,从而保证了所求子空间与球谐子空间的性质相似,从而大大的提高了算法的易用性。
神经网络方法是把模型的统计特征隐含于神经网的结构和参数中,对于人脸这类复杂的、难以显式描述的模型具有独特的优势,即它避免了复杂的特征提取工作,可以通过学习的过程获得其它方法难以实现的关于人脸识别的规律和规则的隐性表达。该方法便于建模,鲁棒性较好,但是运算速度较慢。Cottrell 等人使用级联 BP 神经网络进行人脸识别[7],它对部分受损的人像、光照有所变化的人像的个人识别能力较好。Intrator 等人用一个无监督/监督 (BCM/BP)混合神经网络进行人脸识别。其输入是原始图像的梯度图像,以此可以去除光照的变化。无监督的目的是寻找类的特征,有监督的目的是减少训练样本被错分的比例。
2 基于视觉感知的光照处理
2.1 基于视觉感知的全局光照调整
自然环境中的光照强度变化范围非常大,一天中,正午太阳的光照强度约为,是夜晚月光的光照强度的百万倍。但是我们人类的视觉系统却可以根据当前的光照情况对自身作出相应的调整以应对不同的光照环境,使得我们在不同环境下分辨出不同的物体。这主要是因为人的视觉系统可以根据当前的光照情况对自身作出相 应的调整,以得到最佳的成像效果。图像采集设备也是模拟人的视觉系统,利用感光器件包括传统的胶片或者模块来成像。由于图像采集设备无法象视觉系统那样根据当前的光照情况做精准的自适应调整,从成像的过程来看,调整图像的光照状态就是要进一步对于采集到的图像做自适应的调整。而对图像的调整可以根据人的视觉系统针对光照环境的自适应调整机制来完成。调整之后的图像应当与在适当的光照环境中采集的图像尽量的接近,即图像中应当能够尽量表达出目标物体本身的变化,包括高频的和低频的变化信息都应当真实的表达出来。
从信号处理的角度来看,观测到的或者采集到的图像中的灰度值是入射到该点的光线和该点的表面特性共同作用的结果。而光线在其中起到了增益器的作用,即较暗的光线对目标物体的表面特性起到了压制的作用,而较亮的光线则会对目标物体的表面特性起放大的作用。因此,如果是在非均匀的光照条件下采集的图像,则图像中表达的目标物体的表面特性也是不均匀的。在原始图像中被缩小的信息要重新适度放大,而原始图像中被放大的信息也要适度的缩小。因此可利用视觉调整的思想,基于现有的有限的灰度级尽量真实的描述目标物体的特征。
2.2全局映射函数
色调重现[8]的概念最早是由Tumblin和Rushmeier提出的。色调重现主要用于解决把真实的场景映射到显示系统中的物理过程以及能够把场景最真实的展现给观察者的心理学过程。Tumblin和Rushmeier基于亮度感知的心理学模型,给出色调重现算子保持了场景与图像中的亮度关系。和的基于亮度的色调重现算子是要寻找到场景中的亮度上限,并且在图像中加以表现。
Ward给出了另外一种不同的色调重现方法[9],他提出的色调重现算子的目标是要保持对比度,即保证在场景中的对比度真实的表现在图像之中。其算子的形式为:
其中 ,为观测者观测到的场景的亮度; 是将 映射到显示系统后的亮度。 为“检测闽值”相对于测试环境中光照强度构成函数, 为映射到显示设备中的平均亮度,为场景中的平均亮度,则乘数m可保证直接观测与从显示设备观测时可见度的匹配。
本文着重应用视觉系统中的感光细胞的物理模型[10]来解决对于光照的调整。视觉系统中感光细胞对于光照的自适应调整的模型可以写为:
其中,参数 和 满足。当 的值较小时,参数 起控制作用;而当 的值较大时,参数 起控制作用,也就是说参数 控制了映射后图像的最小灰度值的取值,而参数 控制了映射后图像的最大灰度值的取值。参数 决定了映射后图像灰度值的动态范围。当参数 =0,式(2.2)便退化为Ward的色调重现算子。式(2.2)还有一个隐含的重要参数 ,即半饱和参数。半饱和参数决定了当时, 的值为。也就是说半饱和参数决定了把原始图像中 范围内的信息可以映射到新图像中
的范围内。式(2.2)半饱和参数为
其中半饱和参数应当满足 。于是约束参数 应当满足 参考文献
[1]FARID H.Blind inverse Gamma correction[J].IEEE Transactions on Image Processing,2001,10(10):1428-1433
[2] 山世光. 人脸识别中若干关键问题的研究. 中国科学院研究生院博士学位论文. 2004
[3] T. Sim, T. Kanade. Combining Models and Exemplars for Face Recognition:An Illuminating Example. Proceedings of Workshop on Models versus Exemplars in Computer Vision, CVPR 2001
[4] Jiali Zhao, Yong Su, Dejun Wang, Siwei Luo. Illumination ratio image: synthesizing and recognition with varying illuminations. Pattern Recognition Letters, Volume: 24, Issue: 15,November, 2003, pp: 2703-2710
[5] 卿来云, 山世光, 高文, 基于商图像的人脸图像光照补偿算法. 生物识别研究新进展(二). 清华大学出版社, 2003-12, 106-109
[6]Ramamoorthi R., Hanrahan P. On the Relationship between Radiance and Irradiance: Determining the illumination from images of a convex Lambertian object. Image Science and Vision. Vol.18 No.10 2001pp.2448-2459
[7] N.Intrator, D.Reisfeld, Y. Yeshurun. Face recognition using a hybrid supervised/unsupervisedneural network. Proceedings of the 12th International Conference on Pattern Recognition,1994. Conference B: Computer Vision & Image Processing.Volume: 2, 9-13 Oct.
[8]XIAO Jun, SONG Shou-peng, DING Li-juan. Research on the fast algorithm of spatial homomorphic filtering[J].Journal of Image and Graphics,2008,13(12):2303-2306.(in Chinese)
[9] 尹飞,冯大政.基于PCA算法的人脸识别 计算机技术与发展 2008,18(10):31-33.
[10] Samaria F, Hatter A. Parameterisation of a stochastic model for human face identification. In Proceedings of the 2nd IEEE Workshop on Applications of Computer Vision, Sarasota FL, 1994,pp.110-116[10]
[11]M.K. Fleming, G.W. Cottrell. Categorization of faces using unsupervised feature extraction., International Joint Conference on Neural Networks, 1990. vol.2, 17-21 June 1990.Pages:65- 70
推荐访问:预处理 条件下 可变 可变光照条件下的图像预处理方法研究 光照图解题方法的研究小课题 课题研究的五个步骤
