余龍華 丁 鋒

（電子科技大學(xué)電子工程學(xué)院，四川 成都 611731）

人臉識別中圖像預(yù)處理問題的研究

余龍華 丁 鋒

（電子科技大學(xué)電子工程學(xué)院，四川 成都 611731）

光照問題是人臉識別問題中的一個關(guān)鍵問題，為提高人臉識別的識別率，提出了利用多級小波分解來對圖像進(jìn)行光照補償。首先將圖像進(jìn)行多級小波分解，并將分解后的最后一級子帶圖像的灰度進(jìn)行歸一化，從而去掉圖像中的光照成分，再將歸一化后的圖像進(jìn)行小波恢復(fù)。將該技術(shù)應(yīng)用于隱馬爾科夫法人臉識別，并和已有的幾種光照處理方法進(jìn)行了比較，其對識別率有顯著的提高。

圖像處理；小波分解光照補償；人臉識別

（一）引言

人臉識別因其在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學(xué)、檔案管理、視頻會議、人機交互、公安系統(tǒng)(罪犯識別等)等方面的巨大應(yīng)用前景而越來越成為當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點。但是當(dāng)通過攝像頭和采集卡獲得人臉圖像時，由于周圍環(huán)境及轉(zhuǎn)換器件的影響，會使人臉圖像受到很多因素的影響，其中的光照變化是制約人臉識別系統(tǒng)性能的重要因素，基于此，本文主要研究了圖像的光照處理方法，來提高人臉的識別率。解決光照問題主要有以下三種思路：其一，尋求對光照變化不敏感的底層視覺特征；其二，建立光照模型，進(jìn)行針對性的光照補償；其三，用任意光照圖像生成算法生成多個不同光照條件的訓(xùn)練樣本，利用具有良好學(xué)習(xí)能力的人臉識別判別方法進(jìn)行識別。其中，Mose等已經(jīng)從理論上證明，對于光照保持不變形的函數(shù)是不存在的。而傳統(tǒng)的直方圖均衡化常用于對圖像灰度進(jìn)行規(guī)范化，由于這個過程僅僅將圖像灰度的整體分布從一種形式變換到另一種形式，忽略了與人臉相關(guān)的信息，無法對人臉灰度分布的變化進(jìn)行規(guī)范化，因而也就不能從根本上解決光照問題?；诠庹漳Ｐ偷难a償方法有光照錐、商圖像、球面諧波等方法，但都存在一定的局限性，例如光照錐需要嚴(yán)格光照控制下的多個不同光照條件的訓(xùn)練圖像，且計算量較大。這類方法理論性很強，其假設(shè)過多，有很強的局限性，在實用的人臉識別系統(tǒng)中難以應(yīng)用?；诖吮疚奶岢隽艘环N基于多級小波分解和還原的方法來實現(xiàn)光照補償，其計算量較小，在 The Extended Yale Face Database B人臉數(shù)據(jù)庫實驗結(jié)果表明，該方法能夠有效提高人臉識別的識別率。

（二）光照補償方法

1.直方圖均衡化

在圖像處理中，灰度直方圖表示圖像中每一灰度級與該灰度級出現(xiàn)的頻率之間的對應(yīng)關(guān)系。對于一幅灰度圖像，灰度級rk出現(xiàn)的概率，即就是該灰度圖像的灰度，如下所示：

式中，n是圖像中的像素總和，L是圖像中可能的灰度級的總數(shù)，nk是灰度級為rk的像素的個數(shù)。

歸一化后的新灰度圖像是通過式(2)的變換函數(shù)，將原始圖像中灰度級數(shù)為 rk的各像素映射到新灰度圖像中灰度級為sk的對應(yīng)像素得到的。

當(dāng)圖像進(jìn)行直方圖均衡后，直方圖變得比較均勻，可以增強圖像的對比度，可以增強局部的對比度，而不影響整體的對比度。使圖像看起來更加清晰，從一定程度上削弱了光照的影響。

圖1 原始圖像及其直方圖

圖2 直方圖均衡化處理后的圖像和直方圖

將處理前后的圖像進(jìn)行對比可以看出，在經(jīng)過直方圖均衡化處理后的圖像中顯示了原始圖像中看不見的一些細(xì)節(jié)。從直方圖的顯示結(jié)果可以看出，原始圖像的直方圖分布不均勻，而目主要集中在低灰度范圍，經(jīng)處理后，圖像的灰度動態(tài)范圍變大，對比度增強。

2.光線補償

在進(jìn)行人臉識別的時候因為系統(tǒng)得到的圖片可能會存在光線不平衡的情況，這會影響人臉識別的時候?qū)μ卣鞯奶崛?。光線補償?shù)乃悸肥牵菏紫劝褕D片中亮度最大的5%的像素提取出來，然后線性放大，使得這些像素的平均亮度達(dá)到255。根據(jù)求得的系數(shù)把整個圖片的亮度進(jìn)行線性放大。其效果如下所示：

圖3 原始圖像

圖4 光線補償后的圖像

從光線補償前后的圖片可以看到，進(jìn)行光照補償后的圖片亮度明顯變亮了很多，此方法對光照比較暗的情況的下有一定的效果。

3.小波變換及其光照補償作用

小波變換是一種信號的時間尺度(時間-頻率)分析方法，它具有多分辨率分析的特點，而且在時頻兩域都具有表征局部信號特征的能力，是目前常用的信號分析工具，其能將各種交織在一起的不同頻率組成的混合信號分解成不同頻率的塊信號。因而能有效地應(yīng)用于壓縮數(shù)據(jù)、邊緣檢測、編碼解碼、信噪分離、識別模式以及將非線性問題線性化、非平穩(wěn)過程平穩(wěn)化等。

對于一幅二維圖像{C0(m,n)}由給定尺度函數(shù)和小波函數(shù)，可按式（3）進(jìn)行分解：

通過多辨分析可以構(gòu)造出同一小波基函數(shù)的一對正交鏡像濾波器h和g,h為低通濾波器，g為高通濾波器。Ck為原圖像；分別是小波變換后的圖像的低頻分量、水平高頻分量、垂直高頻分量、對角高頻分量。

圖5是經(jīng)過三級小波分解的示意圖，其中子帶圖像LL保持原圖像的低頻分量，為原圖像的平滑像，即Ck，它集中了上一級圖像的主要能量；子帶圖像HL保持了原圖像的水平邊緣細(xì)節(jié)，即；子帶圖像HL保持了原圖像的垂直邊緣細(xì)節(jié)，即子帶圖像HH保持了原圖像的斜邊原細(xì)節(jié)，即；由Mallat算法的小波圖像的重建公式得出圖像還原公式為式（4）：

圖5 小波分解示意圖

我們將圖像進(jìn)行多級小波分解。經(jīng)過多次小波分解后的近似分量反映圖像的整體和面的關(guān)系，而細(xì)節(jié)分量反映圖像的細(xì)幾節(jié)和點的關(guān)系。當(dāng)圖像經(jīng)過多次小波分解，只剩最后一個像素時，此像素的灰度可以近似圖像的平均亮度。假設(shè)對一幅光照不均勻的圖像進(jìn)行N級小波分解，經(jīng)過多級小波分解所得到的各級小波圖像中，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(dá)對于光照的估計。在實際應(yīng)用的時候采用如下辦法對光照進(jìn)行估計：將多次小波分解后的最后一級子帶圖像LLN(N為分解數(shù)) 中所有元素賦值相同的灰度值。對LLN圖像求像素灰度的均值，如式（5）。將LLN中的每個像素都賦值為average，相當(dāng)于對圖像作了亮度的歸一，從而去掉了圖像中的光照成分。

在實際應(yīng)用的時候還要注意分解級數(shù)的選取，適當(dāng)?shù)倪x取分解級數(shù)，對光照估計方法的有效性很重要。選取的分解級數(shù)太多，去除光照的效果就不是很理想，同時計算量也會大大加大；但是如果分解的級數(shù)太少，就不能對光照進(jìn)行準(zhǔn)確的估計，造成有效地人臉特征當(dāng)成光照成分而被忽略掉的后果，在試驗的時候?qū)?80*200像素的人臉圖像進(jìn)行五級小波分解，得到的效果比較好。圖六為一幅人臉圖像進(jìn)行五級小波分解后的示意圖。

最后將亮度歸一后的LLN圖像進(jìn)行小波恢復(fù)，如圖八所示為進(jìn)行小波重建后的圖像。對比原始圖像，可以發(fā)現(xiàn)恢復(fù)后的圖像亮度更均勻一些。更主要的是恢復(fù)圖像保留了原始圖像的細(xì)節(jié)部分，即保留了用于人臉識別的人臉基本特征。

圖6 五次小波分解后的圖像

圖8 小波重建后圖像

（三）隱馬爾科夫方法人臉識別實驗

為了考察上述光照補償方法對隱馬爾科夫方法人臉識別識別性能的影響，我們選用The Extended Yale Face Database B(包括二十八個人共計16128張照片，每個人包含九種不同的姿勢六十四種光照情況)和自建的人臉庫進(jìn)行識別實驗測試。其中從The Extended Yale Face Database B中選取前十個人進(jìn)行實驗，每個人選取十四張照片，姿態(tài)一樣，光照變化選取相對比較好的十四張。另外自建的人臉庫為包括十個人，每個人十四張照片，光照有一定的變化。訓(xùn)練的時候選取四張光照變化比較明顯的照片作為訓(xùn)練樣本，這樣可以保證其對光照有較好的魯棒性，用剩下的十張照片進(jìn)行識別。下面是幾種光照處理的方法的識別結(jié)果。

表1 The Extended Yale Face Database B測試結(jié)果

表2 自建人臉庫測試結(jié)果

實驗結(jié)果分析：從以上實驗結(jié)果可以看出，加光照處理比不加光照處理的識別率要高一些，其中自建的人臉庫的識別率比 The Extended Yale Face Database B人臉庫要低一些，可能是因為自建的人臉庫的光照控制不是太好。從識別率上可以看出本文提出的小波分解光照補償?shù)姆椒黠@稍微優(yōu)于其他的幾種光照補償方法。

（四）結(jié)束語

隱馬爾科夫是目前較為有效地人臉識別方法，然而光照對其識別影響較大，如何提高它對光照的魯棒性是尚待解決的一個重要課題。本文提出了一種基于小波分解和恢復(fù)的補償光照的方法，通過對圖像進(jìn)行多級小波分解，將分解的最后一級子帶圖像LLN的像素灰度值求平均，并賦給所有的的像素，之后進(jìn)行小波恢復(fù)，這樣就實現(xiàn)了對原圖像的光照改善。最后將這種方法用于人臉識別中，并與其他的幾種方法進(jìn)行了對比，此方法能明顯的提高識別率。但是本文提出的方法也有一定的局限性，其中要對圖片進(jìn)行大小歸一化，如果不進(jìn)行歸一化，小波分解的級數(shù)就不能確定。

[1] 王映輝.人臉識別-原理、方法與技術(shù)[M].北京:科學(xué)出版社,2010.

[2] 王志良,蒙秀艷.人臉工程學(xué)[M].北京:機械工業(yè)出版社,2008.

[3] Turk M, Pentland A.. Eigenfaces for recognition[J]. Journal of Cognitive Neuroscience, 1991, 3(1).

[4] 李粉蘭,唐文彥,段海峰,等分?jǐn)?shù)次冪多項式核函數(shù)在核直接判別式分析中的應(yīng)川[J].光學(xué)精密工程,2007,15(9).

[5] Sim T, Sukthankar R, Mullin M, er al.Memory-based face recognition for vistor identification[C]. Proceeding of the Forth IEEE International Conferernce on Automatic Face Gesture Recognition 2000,Grernable,France,2000.

TN911.73

A

1008-1151(2011)05-0035-02

2011-02-16

余龍華（1986－），男，安徽安慶人，電子科技大學(xué)電子工程學(xué)院碩士研究生，研究方向為人臉檢測和識別。