摘 要：光照問題是影響人臉識(shí)別性能的重要因素之一，本文提出了一種新的降低光照影響的圖像預(yù)處理方法，較好的削弱了光照對(duì)人臉識(shí)別的影響。在ORL與Yale人臉庫中進(jìn)行了實(shí)驗(yàn)研究，表明了提出的算法對(duì)光照產(chǎn)生的高光、眼鏡等小遮擋物具有較強(qiáng)的魯棒性。另外，針對(duì)Yale人臉庫，對(duì)本文提出的方法與中值濾波算法和線性平滑濾波算法進(jìn)行了實(shí)驗(yàn)比較。

關(guān)鍵詞：預(yù)處理；光照；降噪；人臉識(shí)別

1 引言

人臉識(shí)別是模式識(shí)別領(lǐng)域的重要研究方向，很多學(xué)者對(duì)該問題進(jìn)行了大量研究，主要包括人臉檢測、圖像預(yù)處理、特征選擇與提取、分類識(shí)別等多個(gè)方面，并提出了眾多經(jīng)典算法和解決方案。一般來說，人臉識(shí)別過程主要包括以下步驟：輸入圖像、人臉檢測與定位、圖像預(yù)處理、人臉特征提取、分類識(shí)別等部分。其中圖像預(yù)處理是識(shí)別過程中一個(gè)重要步驟，可以有效的去除或減小光照等外部環(huán)境對(duì)圖像的影響。我們知道，人臉圖像的采集是非常方便的，但是在采集過程中卻存在很多干擾因素，如距離遠(yuǎn)近、焦距等會(huì)使人臉的位置和大小不確定，而光照強(qiáng)度變化也會(huì)導(dǎo)致圖像的灰度元素分布不均勻，因此，為提高人臉識(shí)別系統(tǒng)的性能，需要對(duì)人臉圖像進(jìn)行預(yù)處理，包括扶正、歸一化、圖像增強(qiáng)等技術(shù)以此降低位置、大小以及光照等所帶來的影響。

實(shí)際上，光照問題一直是圖像預(yù)處理研究領(lǐng)域中的熱點(diǎn)和難點(diǎn)，能否克服光照變化對(duì)人臉識(shí)別系統(tǒng)性能具有很大的影響[1]。A.Nabatchian提出的基于最大值濾波的方法，在簡化圖像預(yù)處理步驟中做出一定貢獻(xiàn)，但卻不能很好的改善光照對(duì)人臉識(shí)別的影響[2]。在不同的光照條件下，H.F.Hu.提出了一種離散小波變換（DWT）的光照歸一化人臉識(shí)別方法，取得了較好的識(shí)別效果[3]。本文針對(duì)光照問題進(jìn)行了研究，提出了一種解決光照問題的方法，并對(duì)圖像處理中的線性平滑濾波和中值濾波方法進(jìn)行比較。

2 線性平滑濾波和中值濾波

2.1 線性平滑濾波

線性濾波也稱為均值濾波，有鄰域平均法、加權(quán)均值法等處理方法[4]。利用鄰域平均法的線性平滑濾波基本原理是用某像素領(lǐng)域內(nèi)的均值代替該像素值。具體方法是對(duì)需要處理的當(dāng)前像素點(diǎn)A（x，y）建立一個(gè)大小合適的濾波窗口模板，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)。將這個(gè)步驟在圖像中遍歷，更替所有像素點(diǎn)的值?？梢钥吹?，鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好。但鄰域過大，平滑會(huì)使邊緣信息損失越大，從而使輸出的圖像變得模糊，因此需要合理選擇鄰域的大小。

2.2 中值濾波

中值濾波是一種典型的非線性平滑濾波方法，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍像素灰度值的差比較大的像素改取與周圍的像素接近的值，從而消除孤立的噪聲點(diǎn)。對(duì)于二維圖像進(jìn)行中值濾波處理時(shí)，濾波窗口也是二維的，但這種二維窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等[5]。中值濾波的主要步驟如下：

（1）將模板在圖中漫游，并將模板中心與圖中某個(gè)像素位置重合；

（2）讀取模板下對(duì)應(yīng)像素的灰度值；

（3）將這些灰度值從小到大排列，找出位于中間的值；

（4）將中間值賦予對(duì)應(yīng)模板中心位置的像素。

3 一種新的圖像預(yù)處理方法

假設(shè)圖像為A，其大小為m×n，將該圖像放入x-y坐標(biāo)系中，令 。以（x0，y0）為原點(diǎn)坐標(biāo)，圖像水平向右為x軸正方向，垂直向上為y軸正方向，將圖像分布在直角坐標(biāo)系中，如圖1所示。

可以看到，該圖像的四部分分別位于坐標(biāo)系中的四個(gè)象限，對(duì)每一象限中的圖像分別建立窗口，如圖2所示。例如，在第一象限中的圖像內(nèi)容按照?qǐng)D2（a）窗口確定像素的灰度，也就是說bi位置的灰度值由（bi+ai）/2確定，通過此方法使得鄰域中遠(yuǎn)離原點(diǎn)的像素灰度值趨近于中部某元素的灰度值，從而達(dá)到消除噪聲的目的。按照此方法分別在四個(gè)象限的圖像中遍歷，進(jìn)而更替坐標(biāo)軸外的所有像素點(diǎn)的灰度值。

由以上方法可以知道，該方法和線性平滑濾波具有一定的相似性，但是在鄰域選取和遍歷方式方面并不相同。以第一象限的圖像為例，下面給出該方法的具體描述。

⑴選擇圖2（a）的2×2窗口，讓該窗口的ai點(diǎn)和圓點(diǎn)O（x0，y0）重合。

⑵將bi位置的灰度值由（bi+ai）/2進(jìn)行替換，然后移動(dòng)該窗口，直至處理完該象限中的圖像。

其它象限采取方法和上述一致。

對(duì)于同一人不同光照情況下的兩幅圖像進(jìn)行處理，處理前的圖像圖片色差大，處理后的圖片均勻了色差，起到了良好的光照降噪效果。通過該方法處理后的圖像，光照產(chǎn)生的高光點(diǎn)（來自于臉頰、眼睛等處）將有效消除，也會(huì)減少一些細(xì)節(jié)信息，比如不清晰的眼尾和眉尾，但是不會(huì)降低有效信息。

4 實(shí)驗(yàn)結(jié)果和分析

4.1 本文圖像預(yù)處理方法在ORL數(shù)據(jù)庫上的實(shí)驗(yàn)

使用2DPCA方法對(duì)本文提出的方法在ORL人臉庫上進(jìn)行性能測試，ORL數(shù)據(jù)庫包含40個(gè)人，每人提供10種不同的圖像。這些圖像面部表情和細(xì)節(jié)有所不同，人臉具有一定的傾斜和旋轉(zhuǎn)[6]。圖3給出了ORL數(shù)據(jù)庫中一個(gè)人的五幅圖像。

實(shí)驗(yàn)中采用每類圖像樣本的前五張進(jìn)行訓(xùn)練，后五張圖像進(jìn)行測試，分別在未經(jīng)預(yù)處理的圖像庫和經(jīng)過本文預(yù)處理方法處理過的圖像庫中進(jìn)行人臉識(shí)別。

在ORL數(shù)據(jù)庫中，經(jīng)本文提出的預(yù)處理方法處理后的圖像設(shè)為數(shù)據(jù)庫A，未經(jīng)預(yù)處理的圖像設(shè)為數(shù)據(jù)庫B。實(shí)驗(yàn)結(jié)果如圖4所示。由實(shí)驗(yàn)知道，數(shù)據(jù)庫B中被錯(cuò)誤分類的圖像經(jīng)過使用本文提出的預(yù)處理方法處理后得到了正確的識(shí)別。在圖4的兩組圖像中，待識(shí)別圖像和錯(cuò)誤分類圖像由于光照原因或姿態(tài)相似度高而錯(cuò)誤配對(duì)。其中圖（a）中，待識(shí)別圖像和錯(cuò)誤分類圖像不論在發(fā)型、臉型、五官等方面都相似。經(jīng)過圖像預(yù)處理后，圖像的主要特征被增強(qiáng)，而次要特征被減弱。在圖（b）中，可以看出該算法對(duì)眼鏡這種遮擋物的魯棒性非常好，對(duì)鏡框產(chǎn)生的遮擋、鏡片反光產(chǎn)生的高光起到了降噪作用，是否配戴眼鏡并不影響識(shí)別效果。實(shí)際上，該預(yù)處理方法對(duì)由于眼睛眼白部分產(chǎn)生的白色區(qū)域也有很好的處理效果。

另外，在數(shù)據(jù)庫A和數(shù)據(jù)庫B中，分別使用每類圖像樣本的4至9個(gè)圖像作為訓(xùn)練樣本，使用2DPCA方法進(jìn)行人臉識(shí)別，實(shí)驗(yàn)結(jié)果如圖5所示?？梢钥吹剑?dāng)每類的訓(xùn)練樣本取4個(gè)以上時(shí)（2DPCA方法的特征向量數(shù)目取10），經(jīng)本文預(yù)處理的圖像識(shí)別率高于未處理的圖像識(shí)別率。

4.2 本文預(yù)處理方法在Yale數(shù)據(jù)庫上識(shí)別效果比較

為了進(jìn)一步驗(yàn)證提出的預(yù)處理方法的有效性，對(duì)本文預(yù)處理方法和線性平滑濾波、中值濾波在Yale數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)比較。實(shí)驗(yàn)中采用每組前5個(gè)圖像為訓(xùn)練樣本，剩下6個(gè)圖像作為測試樣本，采用2DPCA 和最近鄰分類器進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果如表1所示，可以看到，在2DPCA做為識(shí)別算法時(shí)，在Yale數(shù)據(jù)庫中本文提出方法的識(shí)別率明顯高于中值濾波和線性平滑濾波。

表1 不同預(yù)處理方法在Yale數(shù)據(jù)庫中的識(shí)別效果

預(yù)處理算法訓(xùn)練樣本個(gè)數(shù)（5幅）

無88.89

中值濾波90.00

線性平滑濾波90.00

圖像退化去噪預(yù)處理方法100.00

5 結(jié)論

本文提出了一種新的基于圖像降噪的預(yù)處理方法，算法對(duì)光照產(chǎn)生的高光和小面積陰影、斑點(diǎn)、眼鏡框等有有效地去除效果，同時(shí)也能夠反映不同人之間的特征區(qū)別。算法在ORL、Yale人臉庫上的實(shí)驗(yàn)中提高了識(shí)別率，在Yale的對(duì)比試驗(yàn)中，比中值濾波算法和線性平滑濾波算法的實(shí)驗(yàn)效果要好。

本文雖然在人臉識(shí)別預(yù)處理方法上做了一些嘗試性的研究，但是算法還是存在許多實(shí)際應(yīng)用問題。在人臉識(shí)別中有很多問題有待解決，隨著人臉識(shí)別技術(shù)的發(fā)展，可以結(jié)合新提出的算法進(jìn)一步研究，完善現(xiàn)有方法。

[參考文獻(xiàn)]

[1]盧春梅，牛海軍，郝琳波.消除光照和姿態(tài)變化影響的人臉識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用，2008（10）.

[2]A.Nabatchian，E.Abdel-Raheem，M.Ahmadi.Illumination invariant feature extraction and mutual-information-based local matching for face recognition under illumination variation and occlusion[J].Pattern Recognition，2011，44（10-11）：2576—2587.

[3]H.F. Hu.Variable lighting face recognition using discrete wavelet transform[J].Pattern Recognition Letters，2011，32（13）：1526-1534.

[4]宋召青，鄭蘇，李志成.基于平滑濾波與最小二乘支持向量機(jī)的人臉圖像識(shí)別研究[J].Proceedings of 29th Chinese Control Conference，2010，July 29-31.

[5]李登輝，徐亞寧，王巖紅.人臉識(shí)別中圖像預(yù)處理方法的研究[J].大眾科技，2011（4）：65-66.

[6]趙麗，馬銀雪.基于Fisher判別的人臉識(shí)別方法研究[J].電子設(shè)計(jì)工程，2012（24）.