面向識別的人臉去光照預(yù)處理算法

王宏勇，常 燕，王青青

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，河南鄭州 450001)

作為一種生物特征識別技術(shù)，人臉識別憑借它非接觸式的采集、非侵犯性、方便快捷和易被人們接受的優(yōu)點在公共安全、視覺監(jiān)控、數(shù)字身份認證、多媒體等領(lǐng)域有著廣泛的應(yīng)用前景。經(jīng)過40余年的發(fā)展，人臉識別技術(shù)已日漸成熟，但在復(fù)雜因素下的識別性能仍未達到滿意的效果。目前，光照變化問題是人臉識別領(lǐng)域面臨的瓶頸之一。由于光照變化使得面部特征減弱而分辨率下降，造成類內(nèi)的差異大于類間差異。研究結(jié)表明，在錯誤接受率為1%時，室內(nèi)控制光照情況下人臉識別的正確率能達到93%，但在室外非控制光照情況下人臉識別正確率只能達到51%［1］。因此去光照預(yù)處理對于人臉識別技術(shù)有重要的地位。目前對人臉光照預(yù)處理的傳統(tǒng)方法有:圖像增強方法、提取光照不變性、Retinex算法、對數(shù)變換。并且眾多學(xué)者在這些方法的基礎(chǔ)上，根據(jù)其缺點進行了改進，使得處理效果有所改善。

1 圖像增強方法

圖像增強方法是一種以主觀感受為導(dǎo)向的技術(shù)。它的目的是采用某種技術(shù)手段，改善圖像的視頻效果，或者將圖像轉(zhuǎn)換成更適合人眼觀察和機器分析、識別的形式，以便從圖像中獲取更有用的信息。圖像增強方法主要的算法有直方圖均衡化、Gamma變換、對數(shù)變換等。

1.1 直方圖均衡化

直方圖均衡化又稱為直方圖平坦化。直方圖均衡化的基本思想是將原始圖像的不均衡直方圖變換為均勻分布的形式。即將輸入圖像轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)。直方圖均衡化的結(jié)果擴展了像元取值的動態(tài)范圍，從而達到增強圖像整體對比度的效果。該方法很好地處理了圖像整體偏暗、偏亮，或者灰度層次不豐富等情況，可以增加局部的對比度并且不影響全局的對比度。直方圖均衡化雖然能夠得到圖像近似均勻分布的直方圖，但是它往往在圖像中形成不連續(xù)的斑塊，特別是受光照影響嚴重時更為突出，并且變換后圖像的灰度級減少，某細節(jié)消失。這種方法的另一個缺點是它對處理的數(shù)據(jù)不加選擇，它可能會增加背景雜訊的對比度并且降低有用信號的對比度。

徐同瑩等人提出了一種改進的直方圖均衡化算法［2］，首先進行直方圖指數(shù)平滑，消除直方圖中因為噪聲而引入的隨機干擾點，然后進行直方圖均衡化，增大圖像的對比度，然后直方圖灰度間距均衡處理，使圖像的灰度范圍達到最大變化范圍，最后進行中值濾波，濾除被增強的噪聲。該方法能夠使圖像的細節(jié)和清晰度得到明顯增強。但該方法也存在不足，中值濾波對于均勻噪聲和高斯噪聲的去噪效果較差，容易引起誤差，用這種方法容易使灰度值發(fā)生變化，使得圖像丟失一些細節(jié)和邊緣。

由于原始直方圖和徐同瑩提出的算法均改變了圖像的灰度級，使得圖像處理效果受到影響。喬鬧生提出了保留灰度級的直方圖均衡化算法［3］，對傳統(tǒng)直方圖均衡化后的灰度值進行調(diào)整，盡量使得調(diào)整后的直方圖與原圖像的直方圖的灰度級數(shù)相等。如果低灰度級的灰度值較多，可從最低灰度值向上進行調(diào)整，如果大于255的灰度值較多，則可從最高灰度級開始往下進行調(diào)整。該方法解決了傳統(tǒng)直方圖均衡化中因灰度級合并導(dǎo)致圖像灰度級過多減少，降低了圖像灰度層次感的缺點，并且消除了虛假輪廓現(xiàn)象。但這種方法判別高低灰度的閾值無法確定，所以很難選取合適的閾值，影響處理效果，容易引起失真。

1.2 Gamma變換

Gamma變換方法是通過建立Gamma值和像素值之間的非線性關(guān)系，使得Gamma矯正能根據(jù)圖像中每個像素的具體值進行適當(dāng)?shù)男Ｕ?，進行變換后的圖像可以視為與標(biāo)準(zhǔn)人臉圖像相同光照環(huán)境，從而削弱了光照變化影響。

Gamma校對仍然存在一些不足。首先，對Gamma數(shù)值采用線性修正缺乏有效增強Gamma值隨像素變化的能力;其次，Gamma值的選取尚未較好解決圖像中高光、過渡和陰影區(qū)域光照變化的實際問題;最后，圖像經(jīng)過Gamma矯正后略顯失真，尤其是對彩色圖像失真效果明顯。

針對Gamma值的選取，楊金峰等人提出了一種自適應(yīng)的Gamma校正方法［4］，該方法能根據(jù)圖像中不同的像素自適應(yīng)的選取相應(yīng)的Gamma值實現(xiàn)對像素的校正，不僅能同時改善了圖像中的陰影區(qū)和高光區(qū)的光照影響，而且能夠克服由于矯正帶來的噪聲。但是該方法缺乏對高光區(qū)，過渡區(qū)和陰影區(qū)光照變化的適應(yīng)能力，并且會使圖像有所失真。

對于上述問題，師一華等人提出了非線性函數(shù)互相疊加的修正模式［5］，改善了圖像中高光區(qū)和陰影區(qū)對光照變化的實際需求，提高了圖像的質(zhì)量。該方法沒有改善圖像對比度，容易引起圖像的視覺失真。

1.3 對數(shù)變換

對數(shù)變換是另外一種常用的灰度變換方法，對數(shù)變換的數(shù)學(xué)表達式如下

其中，a，b，c是為了調(diào)整曲線的位置和形狀而引入的參數(shù)。

對數(shù)變換是在整個圖像區(qū)域上的一個全局變換，當(dāng)偏光存在情況下，對數(shù)變換不能很好地解決問題。需設(shè)置一滑動窗口，來進一步削弱光照的影響。具體實現(xiàn)如下

其中，i是對數(shù)變換后的圖像;W(x，y)是以(x，y)為中心的滑動窗口。

雖然對數(shù)變換與人類視覺系統(tǒng)的對數(shù)傳感特性一致，在低灰度級范圍內(nèi)能很好地增加對比度，但在高恢復(fù)及范圍壓縮了對比度。為盡可能地增強高動態(tài)范圍圖像中的全部細節(jié)，受局部直方圖均衡化的啟發(fā)，提出了局部對數(shù)變換來克服傳統(tǒng)對數(shù)變換的缺點。

局部對數(shù)變換使得局部對比度更好，但它會產(chǎn)生塊效應(yīng)。焦立男等人提出了一種子塊部分重疊的對數(shù)變換(POSLT)方法來消除塊效應(yīng)［6］。POSLT使用了一個特定大小的子塊將圖像劃分成為很多部分重疊的子圖像，然后對這些子圖像進行對數(shù)變換，并記錄每個像素被覆蓋的次數(shù)，最后將每個像素進行平均，得到最后的圖像。這種方法能同時改善一幅高動態(tài)范圍圖像中的黑暗和明亮部分，但是他的計算復(fù)雜度高，還沒有找到能夠在降低復(fù)雜度的同時還保持其良好性能的解決方法。

2 提取光照不變性

2.1 特征臉

特征臉方法，最初由Kirby和Sirovich將PCA技術(shù)引入到人臉識別領(lǐng)域。后來Turk和Pentland提出了基于PCA的特征臉方法，即將包含人臉圖像的區(qū)域看成是一種隨機向量，故可以用K－L變換獲取其正交K－L基底，其中較大特征值的基地具有與人臉相似的形狀。利用這些基底的線性組合可以表達、描述和逼近人臉圖像。但傳統(tǒng)的特征臉方法對每個樣本的識別效果不太理想。

高麗萍等人對傳統(tǒng)的特征臉進行了改進，提出了特征半臉方法［7］，即把人臉圖像分成上下兩部分，分別應(yīng)用特征臉方法，最后在識別計算距離上部采用較大的權(quán)重，下部采用較小的權(quán)重，求得綜合距離最小的人臉圖像序號。該方法能夠適應(yīng)少數(shù)人臉表情，且不增加算法的難度。但該方法忽略了人臉上下部分的差異，會存在誤差，影響識別效果。

金璟璇等人提出了一種基于遺傳算法尋優(yōu)特性的小波域加權(quán)特征臉識別算法［8］。該算法具有良好的穩(wěn)定性和魯棒性。但該算法計算量比較大，效率較低。

特征臉的方法對尺度變化較敏感，在識別前必須進行尺度歸一化處理;在圖像空間是線性的，不能處理幾何變化;在姿態(tài)和光照發(fā)生變化時識別率急劇下降。

2.2 自商圖像

商圖像必須滿足人臉是朗伯表面。則人臉可以表示為該點的表面反射率、物體的表面法向量與點光源的方向向量的乘積。

自商圖像的主要步驟是:(1)選擇幾個平滑核G1，G2，…，Gn。(2)并根據(jù)圖像計算相應(yīng)的權(quán)值 W1，W2，…，W。(3)求平滑圖像n(4)計算自商圖像對自商圖像進行非線性變換，并加權(quán)計算結(jié)果

自商函數(shù)是兩個亮度圖像的比值，代表了圖像不隨光照變化的物理特性。但該方法要求物體是凸的朗伯表面，沒有考慮鏡面反射和陰影，而且假設(shè)同類的所有物體具有相同的形狀信息，而實際上不同人的三維人臉外形一般不同。自商圖像能夠消除光照造成的投影陰影和附著陰影，同時也消除了原有圖像的大量信息。

胡華提出了一種改進的自商圖像算法［9］。對光照圖像進行伽瑪變換，使用非下采樣輪廓波變換對圖像進行多尺度多方向分析，對各方向子帶進行Wiener濾波，利用自商圖模型提取人臉圖像的光照不變特性。該方法從多尺度幾何分析和自適應(yīng)濾波的角度提取人臉圖像的光照不變量，較大程度上消除了光照變化對人臉識別的影響，能有效消除Gills現(xiàn)象，保持良好的邊界特性和幾何結(jié)構(gòu)。該方法用Gamma變換，Gamma參數(shù)的選取具有一定的局限性，會產(chǎn)生失真。

3 Retinex算法

Retinex是Edwin Land提出的一個關(guān)于人類視覺系統(tǒng)如何調(diào)節(jié)感知物體顏色和亮度的模型，它詮釋了為什么同樣的物體在不同的光源或光線條件下顏色是恒定的機理。Retinex算法可以在灰度動態(tài)范圍壓縮，邊緣增強和顏色恒定性3方面達到平衡，可以對不同類型的圖像進行自適應(yīng)性地光照預(yù)處理。這種算法都是假設(shè)圖像的照明是平滑的，因此在全局上對圖像的光照補償具有較好的效果，但對于局部光照變化較大的圖像，其通過光照補償?shù)膱D像增強效果不太理想。但是普遍存在“光暈”現(xiàn)象和速度問題。

Jobson等人定義了單尺度算法，它可以實現(xiàn)動態(tài)范圍壓縮或色調(diào)重現(xiàn)的效果。它的基本原理是將圖像分為亮度圖像和反射圖像兩個部分

其中，L表示照射光，R表示物體的反射性質(zhì)，S是反射光。先在對數(shù)域中將原始圖像分解成入射分量，對應(yīng)于圖像的低頻部分，和反射分量，對應(yīng)于圖像的高頻部分。接著通過對原圖像進行高斯平滑來對入射分量做出預(yù)測，然后用原始圖像減去入射分量得到反射分量，最后對結(jié)果圖像取反對數(shù)得到增強后的圖像。

隨后Jobson和Rahman又提出了多尺度Retinex算法，用以平衡動態(tài)范圍壓縮和色調(diào)重現(xiàn)以及圖像增強效果。其形式是對多個尺度Retinex算法進行加權(quán)求和。

趙曉霞等人用一種新的增益函數(shù)來減弱經(jīng)典多尺度Retinex算法帶來的噪聲和邊緣暈環(huán)［10］。該函數(shù)對圖像不同區(qū)域采用不同的增益，平滑區(qū)域和高對比度邊緣采用較小的增益，細節(jié)區(qū)域采用較大的增益。該方法使小高斯環(huán)繞尺度Retinex輸出不同區(qū)域增益差大，而大高斯環(huán)繞尺度Retinex輸出不同區(qū)域增益差小，使圖像細節(jié)更清晰，同時場景輪廓和顏色呈現(xiàn)更自然。

以上算法沒有強側(cè)光照使能有效提高識別率，但在強側(cè)光照時會出現(xiàn)陰影現(xiàn)象，因此葛微等人提出了一種將無邊緣增效應(yīng)的傳導(dǎo)函數(shù)用于自適應(yīng)平滑算法的改進Retinex算法［11］。該傳導(dǎo)函數(shù)用空間梯度和像素的局部不一致性兩種方式共同測量灰度的劇烈變化，在平滑圖像的同時沒有邊緣增強效應(yīng)，且不會損失人臉特征邊緣。該算法在處理側(cè)光照的人臉時沒有陰影，并且適用于無強測光的情況。雖然該算法處理后的效果較好，但它沒考慮圖像中的細節(jié)部分是否有丟失，影響處理效果。

4 小波變換

小波變換是一種信號的時間/尺度分析方法。它是將信號用一系列基函數(shù)加權(quán)和來表示，而基函數(shù)是由一個小波母函數(shù)經(jīng)伸縮和平移得到的。對于一幅N×N的二維人臉圖像，經(jīng)過一次小波變換后，圖像被分解為4幅N/2×N/2的不同分辨率、不同方向的子圖像LL(低頻近似分量)，LH(垂直邊緣細節(jié)分量)，HH(對角邊緣細節(jié)分量)，HL(水平邊緣細節(jié)分量)。當(dāng)圖像經(jīng)過多次小波分解后，對稱性最差的就是最后一級的近似分量，因此最后一級的近似分量可以表達對于光照的估計。通過對近似分量進行處理就可以去掉圖像中的光照成分。

通過小波變換，人臉圖像的分辨率降低，圖像維數(shù)的降低，減輕了計算負擔(dān)。小波變換同時提供了空間域和頻域的局部信息，選擇小波分解的低頻分量，由于不包含高頻信息，因此削弱了光線的影響，對噪聲具有魯棒性。但對于小波基函數(shù)的選擇仍針對情況來選擇適當(dāng)?shù)男〔ɑ瘮?shù)，不能被普遍使用。

聶翔飛等人提出了一種新的基于小波包變換的對數(shù)域人臉光照補償算法［12］。該算法首先將人臉圖像變換到對數(shù)域，并在對數(shù)域中計算2維小波包變換，通過舍棄部分子帶圖像中的系數(shù)來實現(xiàn)人臉圖像的非均勻光照補償。該方法會造成圖像部分信息會丟失，它對全黑狀態(tài)的人臉去除光照的效果不明顯。

Sweldens提出了第2代小波變換，它是一種不依賴于Fourier變換的小波構(gòu)造方法，它使用許多線性或空間變化的預(yù)測和更新算子，來獲得期望特性的小波函數(shù)而且可確保變換的可逆性。同傳統(tǒng)的小波變換相比，計算速度更快，計算方法更簡單，通過預(yù)測算子和更新算子設(shè)計最優(yōu)匹配特定的信號，因此適合自適應(yīng)、非線性變換。

段晨東等人為獲得基于分析數(shù)據(jù)特征的小波函數(shù)［13］，將最優(yōu)估計理論與第2代小波變換差值細分方法相結(jié)合，提出了一種改進的第2代小波變換算法。該方法使設(shè)計的預(yù)測系數(shù)包含了分析數(shù)據(jù)的信息，具有自適應(yīng)性，根據(jù)分析數(shù)據(jù)的特點來構(gòu)造小波，從而使小波函數(shù)具有數(shù)據(jù)樣本的構(gòu)造特征。該算法對細節(jié)部分進行了處理，忽略了高頻部分，邊緣信息容易丟失。

5 結(jié)束語

文中介紹了幾種去光照算法的優(yōu)缺點與改進，雖然每種算法對減弱光照的效果比較明顯，圖像質(zhì)量也都有所提高，但也相應(yīng)地存在一些限制和缺陷，還有待進一步地研究改進，對圖像去光照預(yù)處理的研究仍將是一個重要課題。

［1］許高鳳，丁士?，郭麗華，等.基于小波的人臉去光照識別算法研究［J］.系統(tǒng)仿真學(xué)報，2009，21(14):4362－4365.

［2］徐同瑩，彭定明，王衛(wèi)星.改進的直方圖均衡化算法［J］.網(wǎng)絡(luò)信息技術(shù)，2006，25(7):58 －59.

［3］喬鬧生.一種改進的直方圖均衡化［J］.光學(xué)技術(shù)，2008(34):141－142.

［4］楊金鋒，師一華，熊興隆.光照處理中改進的Gamma矯正方法［J］.中國民航學(xué)院學(xué)報，2006，24(4):39－42.

［5］師一華，楊金鋒.圖像處理中改進的Gamma矯正方法［J］.安陽工學(xué)院學(xué)報，2005(6):67－70.

［6］焦立男，孫朝云，沙愛民.非均勻光照圖像的子塊部分重疊對數(shù)變換［J］.計算機工程與應(yīng)用，2011，47(9):196－199.

［7］高麗萍，郭義民，倪重匡.一種改進的特征臉方法［J］.計算機應(yīng)用與軟件，2002(8):44－47.

［8］金璟璇，楊濤.基于遺傳算法的加權(quán)小波特征臉識別算法［J］.武漢理工大學(xué)學(xué)報，2010，32(13):138－141.

［9］胡華.改進的自商圖算法［J］.計算機工程，2012，38(4):179－181.

［10］趙曉霞，王汝琳.改進的多尺度Retinex算法及其應(yīng)用［J］.計算機工程，2011，37(6):209 －211.

［11］葛微，李桂菊，程宇奇，等.利用改進的Retinex進行人臉圖像光照處理［J］.光學(xué)精密工程，2010，18(4):1011－1019.

［12］聶翔飛，譚澤富，郭軍.小波包變換在人臉識別光照補償中的應(yīng)用［J］.光電工程，2008，35(1):50－54.

［13］段晨東，姜洪開，何正嘉.一種改進的第2代小波變換算法及應(yīng)用［J］.西安交通大學(xué)學(xué)報，2004，38(1):47－50.

［14］趙曉晴.不同光照條件下的人臉識別算法研究［D］.北京:北京工業(yè)大學(xué)，2006.

［15］盧春梅.可變光照和不同姿態(tài)下人臉識別技術(shù)研究［D］.西安:西安電子科技大學(xué)，2008.

［16］王良勤.人臉識別中光照預(yù)處理與識別算法的研究［D］.湖北:華中科技大學(xué)，2008.

［17］李佳瑋.人臉識別中光照預(yù)處理方法的分析與研究［D］.河北:河北工業(yè)大學(xué)，2009.

［18］薛冰.可變光照條件下的圖像預(yù)處理方法研究［J］.科技展望，2010(10):73－75.