復(fù)雜光照環(huán)境下人臉圖像預(yù)處理優(yōu)化算法研究

齊榮霞

摘要：針對人臉圖像在采集過程中受到復(fù)雜光照環(huán)境的影響造成光照不均和圖像信息丟失的問題，提出一種基于自適應(yīng)Gamma校正的人臉圖像預(yù)處理優(yōu)化算法。首先將圖像轉(zhuǎn)換為HSI彩色空間，然后利用高斯濾波函數(shù)提取圖像中的光照分量，根據(jù)人臉圖像光照分量的分布特性，調(diào)整Gamma函數(shù)的參數(shù)，以實(shí)現(xiàn)對光照不均的人臉圖像進(jìn)行自適應(yīng)校正。仿真實(shí)驗(yàn)表明本文算法在增強(qiáng)光照不均人臉圖像對比度、清晰度和信息量方面得到了較好的效果，在減弱復(fù)雜光照環(huán)境對人臉識別準(zhǔn)確率的影響方面具有良好的用途。

關(guān)鍵詞：復(fù)雜光照;人臉圖像;HSI彩色空間;高斯濾波;Gamma校正

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2019）33-0218-03

1概述

隨著科技的發(fā)展，人臉識別技術(shù)被廣泛應(yīng)用在人類的生活中，比如安全監(jiān)控、人機(jī)交互、身份認(rèn)證等領(lǐng)域。人臉識別技術(shù)在近幾十年里取得了很大的進(jìn)展，在理想的條件下，人臉識別精度已經(jīng)非常高了，但是在非限定性環(huán)境中，人臉識別技術(shù)仍有許多問題有待解決，如復(fù)雜光照會導(dǎo)致人臉圖像光照不均或信息丟失，對人臉識別率有著直接的影響。因此，復(fù)雜光照環(huán)境下人臉圖像的預(yù)處理已成為人臉識別領(lǐng)域迫切需要解決的問題。

為了減弱人臉圖像中光照問題對后續(xù)人臉識別結(jié)果的影響，國內(nèi)外的學(xué)者們已經(jīng)進(jìn)行了許多相關(guān)的研究，并提出了許多有關(guān)光照處理的人臉圖像增強(qiáng)算法。常見的光照處理方法包括以直方圖均衡化法為代表的灰度變換法、基于Retinex理論的圖像增強(qiáng)方法以及Gamma校正法等。但在實(shí)際應(yīng)用中這些方法都存在一定的不足，以直方圖均衡化法為代表的灰度變換法能使圖像灰度分布更均勻，并增強(qiáng)圖像對比度，但它沒有考慮圖像的頻率信息以及細(xì)節(jié)信息，圖像容易出現(xiàn)過增強(qiáng)現(xiàn)象。Retinex理論假設(shè)圖像是由光照分量和反射分量兩個可以分離處理的分量結(jié)合而成，而Retinex算法在進(jìn)行光照補(bǔ)償時，會出現(xiàn)光暈和顏色失真的問題。相比之下，Gamma校正法在處理圖像光照不均的問題上有一定的優(yōu)勢。

在復(fù)雜光照環(huán)境下，采集人臉圖像時會出現(xiàn)光照過暗或過亮，甚至是臉部出現(xiàn)陰影等現(xiàn)象。傳統(tǒng)的Gamma校正通常會改變輸入圖像的亮度，但難以同時在過暗和過亮區(qū)域同時取得良好的增強(qiáng)效果。因此，為了克服傳統(tǒng)Gamma校正方法無法處理過暗和過亮區(qū)域并存圖像的問題，文獻(xiàn)[11]利用非線性函數(shù)疊加的方法構(gòu)造了一個合理的Gamma值變化曲線，使Gam-ma校正方法充分適應(yīng)了圖像中光照變化的實(shí)際情況，但并不能非常有效地防止Gamma校正可能產(chǎn)生的圖像失真。文獻(xiàn)【12】提出一種基于Retinex理論的自適應(yīng)Gamma增強(qiáng)算法，利用Retinex理論分離圖像的光照分量和反射分量，對光照分量進(jìn)行自適應(yīng)Gamma校正，但分離出來的光照分量存在照度細(xì)節(jié)信息表現(xiàn)力差等問題。

為了進(jìn)一步提高人臉圖像增強(qiáng)效果，本文提出一種基于自適應(yīng)Gamma校正的人臉圖像預(yù)處理優(yōu)化算法，利用多尺度高斯函數(shù)將人臉圖像光照分量分離出來，通過Gamma校正對光照分量進(jìn)行校正處理，并通過主觀評價和客觀評價對實(shí)驗(yàn)結(jié)果進(jìn)行分析和驗(yàn)證。

2算法原理與實(shí)現(xiàn)

基于人臉視覺系統(tǒng)的特性[13]可知，人眼感知亮度的敏感程度要高于對顏色的敏感程度，因此對光照不均人臉圖像的光照分量進(jìn)行校正是復(fù)雜光照環(huán)境下人臉圖像預(yù)處理優(yōu)化算法的關(guān)鍵。由于對RGB圖像進(jìn)行光照分量的提取需要同時對3個通道進(jìn)行處理，運(yùn)算量比較大，因此將RGB圖像轉(zhuǎn)換為HSI圖像，只需要在1分量上采用多尺度高斯函數(shù)進(jìn)行光照分量的提取。然后對提取出的光照分量進(jìn)行自適應(yīng)Gamma校正，最后合成彩色圖像，并將圖像由HSI彩色空間轉(zhuǎn)換為RGB彩色空間。

2.1HSI彩色模型

HSI彩色模型以色調(diào)、飽和度和亮度三種基本特征量來感知顏色。這種設(shè)計反映了人觀察彩色的方式，更符合人描述和解釋顏色的方式，同時也有利于圖像處理。其中H稱為色調(diào)，定義顏色的波長;s稱為飽和度，代表顏色的深淺程度;I表示亮度或強(qiáng)度。HSI彩色模型的建立基于兩個重要的特性：一是1分量與圖像的彩色信息無關(guān);二是H和s分量與人感受顏色的方式緊密相聯(lián)。正因?yàn)檫@些特性，對于亮度分量I的操作不會影響到其他分量，因此本文選擇將RGB圖像轉(zhuǎn)換為HSI圖像，然后在HSI色彩空間中對光照不均的人臉圖像進(jìn)行校正處理。

2.2 Retinex理論

為了實(shí)現(xiàn)對復(fù)雜光照環(huán)境下人臉圖像的校正處理，準(zhǔn)確地提取圖像中的光照分量顯得尤為重要。根據(jù)Edwin Land提出的Retinex理論㈣可知，一幅給定的圖像S（x，y）可以分解成兩幅不同的圖像：反射物體圖像R（x，y）和入射光圖像L（x，y），其原理示意圖如圖1所示。

2.4圖像優(yōu)化預(yù)處理算法設(shè)計與實(shí)現(xiàn)

基于對HSI彩色模型的分析以及對多尺度Retinex圖像增強(qiáng)方法和Gamma校正法的研究，本文設(shè)計了復(fù)雜光照環(huán)境下基于自適應(yīng)Gamma校正的人臉圖像預(yù)處理算法，算法流程圖如圖2所示。

3實(shí)驗(yàn)結(jié)果與分析

為檢測本文處理方法的有效性，采用CMU_PIE人臉庫和東方人臉數(shù)據(jù)庫（OFD）進(jìn)行仿真實(shí)驗(yàn)，并利用直方圖均衡化（HE）算法、Gamma校正法和本文方法分別對人臉圖像進(jìn)行處理，處理后的結(jié)果如圖3和圖4所示。

從圖3和圖4可以看出，對光照不均的人臉圖像分別進(jìn)行處理之后，從主觀視覺效果判斷可知直方圖均衡化算法處理結(jié)果會出現(xiàn)嚴(yán)重的色彩失真和過度增強(qiáng)的現(xiàn)象，Gamma校正算法處理的效果比直方圖均衡化算法要好一些，但圖像中臉部的陰影沒有得到有效的處理，并且在Gamma函數(shù)的取值方法上不夠自適應(yīng)，本文算法不僅有效的處理了圖像中臉部光照不均的問題，還對圖像具有很好的色彩保持性，并且可以自適應(yīng)的校正光照不均的人臉圖像。

為了進(jìn)一步的對比不同算法的處理效果，本文使用標(biāo)準(zhǔn)差、平均梯度和信息熵等客觀指標(biāo)對不同算法進(jìn)行衡量。標(biāo)準(zhǔn)差可以反映圖像的對比度特征，平均梯度是圖像清晰度的重要衡量指標(biāo)，熵可以衡量圖像所包含的信息量。使用3種不同處理方法之后的人臉圖像數(shù)據(jù)對比如表1所示。

由表1中的數(shù)據(jù)可知，經(jīng)過本文算法處理之后的人臉圖像的質(zhì)量有了較好的改善，主要表現(xiàn)在標(biāo)準(zhǔn)差的值變大，體現(xiàn)出人臉圖像的對比度增強(qiáng)了;平均梯度值變大，表現(xiàn)出人臉圖像變得更加清晰;熵值變大，代表可以從校正后的人臉圖像中提取出更多的信息量，由此可見本文算法對復(fù)雜光照環(huán)境下人臉圖像的預(yù)處理取得了較好的效果。

4結(jié)論

本文針對復(fù)雜光照環(huán)境下采集人臉圖像會造成光照不均的問題，設(shè)計實(shí)現(xiàn)了基于自適應(yīng)Gamma校正的復(fù)雜光照環(huán)境下人臉圖像預(yù)處理優(yōu)化算法，仿真實(shí)驗(yàn)表明本文算法有效地增強(qiáng)了復(fù)雜光照環(huán)境下人臉圖像的對比度、清晰度和信息量，在減弱復(fù)雜光照環(huán)境對人臉識別準(zhǔn)確率的影響方面具有良好的用途。