黃瓊

摘 要：非限定條件下，通過攝像頭動態(tài)獲取的圖像，通常會出現(xiàn)光照不均勻的現(xiàn)象。而目前針對非均勻光照的處理方法大多數(shù)增強(qiáng)效果不理想。為能高效處理非均勻光照圖像，文章提出一種基于Retinex理論的小波變換增強(qiáng)算法。所提算法對亮度分量進(jìn)行對比度拉伸，最后利用圖像的反射分量對圖像的色彩和細(xì)節(jié)進(jìn)行恢復(fù)。實(shí)驗(yàn)結(jié)果顯示，所提方法運(yùn)用在人臉識別系統(tǒng)中，其識別率有較好的提升。

關(guān)鍵詞：Retinex理論；小波變換；非均勻光照；識別率

隨著人臉識別技術(shù)的迅速發(fā)展，在國家及公共安全等領(lǐng)域，人臉識別技術(shù)已顯示出較大的應(yīng)用前景。當(dāng)前，人臉識別技術(shù)已經(jīng)成為當(dāng)前機(jī)器視覺中的一個(gè)重要部分[1]。雖然人臉識別技術(shù)已在多個(gè)領(lǐng)域得到了較大的應(yīng)用，但是在人臉識別的研究中還存在較大的問題。在人臉識別的技術(shù)發(fā)展中，受到的影響因素有很多，其中光照就是影響因素之一。本文針對人臉識別技術(shù)的研究中，利用公開人臉庫重點(diǎn)分析復(fù)雜光照下的人臉識別預(yù)處理算法。

1 人臉識別流程

如圖1所示，人臉識別主要有6個(gè)步驟，即人臉圖像的采集、檢測與定位、圖像預(yù)處理、特征提取和人臉識別[2]。

2 光照對識別系統(tǒng)的影響

在實(shí)際的應(yīng)用中，由于光照無處不在，人臉識別效果終會受到影響，時(shí)間、地點(diǎn)、天氣、環(huán)境等的變化都會或多或少的影響著光照，甚至是光源的亮度、距離和方向，都會影響人臉識別的結(jié)果。

人臉圖像采集系統(tǒng)含有各種電子元件負(fù)責(zé)圖像的采集。圖像采集系統(tǒng)會在存儲圖像前對信號進(jìn)行校正，比如對比度校正、Gamma校正、對曝光時(shí)間進(jìn)行調(diào)整等，這些操作都會使人臉圖像發(fā)生改變，這也是導(dǎo)致人臉識別準(zhǔn)確率下降的原因之一。而在圖像識別技術(shù)中，通常是根據(jù)目標(biāo)和背景的直方圖特征來辨別二者之間的差異，然后將此作為分割或識別目標(biāo)的前提，但是當(dāng)圖像受到光照影響時(shí)，其直方圖信息會發(fā)生較大的改變。兩個(gè)人在不同光照條件下的圖像以及各自對應(yīng)的直方圖如圖2所示。可以發(fā)現(xiàn)，光照很大程度上影響著人臉圖像的直方圖分布，不同光照下同一個(gè)人臉的直方圖分布差異巨大，而同一光照下不同人的直方圖分布卻可以極其相似。

從人臉圖像中提取出來的特征是人臉識別的重要依據(jù)，所以對人臉的特征提取也是人臉識別中最重要的步驟，然而光照的不同會使得人臉圖像受到較大的變化[3]。不均勻的光照會使得人臉圖像產(chǎn)生高光或者較厚的陰影，甚至是得到全暗的圖像，對人臉特征的提取會產(chǎn)生不利的影響。把圖像的尺寸特征以及形狀特征進(jìn)行結(jié)合作為分類的依據(jù)，在模式識別中至關(guān)重要。而通常情況下，形狀特征包括區(qū)域特征和輪廓特征[4]。區(qū)域特征主要包括臉部上兩點(diǎn)之間的距離或者曲率等，能夠起到識別作用。而圖像的輪廓特征主要是針對圖像的邊緣，而邊緣信息也是人臉識別的重要依據(jù)之一。圖3是在不同光照條件下的同一個(gè)人的人臉圖像以及對其提取到的邊緣特征?？梢钥闯?，當(dāng)光照不均勻時(shí)，臉部出現(xiàn)的陰影部分會帶來噪聲，在人臉的邊緣提取時(shí)使得邊緣信息受到影響，也有可能將陰影部分的邊界誤認(rèn)為是邊緣信息。

3 基于小波變換和Retinex理論的人臉識別算法

3.1 算法流程

本文所提算法首先采用小波變換對對數(shù)變換后的人臉圖像img進(jìn)行分解，得到人臉圖像的高頻系數(shù)部分（HH）和低頻部分（LL，HL，LH）；然后對高頻部分進(jìn)行去噪濾波處理，采用雙邊濾波對低頻部分進(jìn)行光滑濾波[5]；最后對小波重構(gòu)后的人臉圖像進(jìn)行對比度拉伸，從而提高光照條件下的人臉圖像質(zhì)量，主要算法流程如圖4所示。

小波指的是小區(qū)域的波，是一種比較特殊的波形，它的長度有限，而且平均值為零。小波分析是將信號分解成一系列由一個(gè)母小波函數(shù)經(jīng)過平移和伸縮操作得來的小波函數(shù)的疊加[6-7]。

在多尺度分析的特性上小波分解具有以下重要的特性：（1）分解后圖像的高頻部分具有3個(gè)方向（水平、垂直和對角線），符合人類視覺特性。（2）小波分解后圖像中比較大的小波系數(shù)主要集中分布在低頻部分中。（3）小波分解后圖像中的高頻分量的小波系數(shù)具有很強(qiáng)的相關(guān)性。

3.3 帶色彩恢復(fù)的多尺度Retinex算法（MSRCR）

Jobson等在MSR的基礎(chǔ)上，利用其輸出乘以一個(gè)函數(shù)，即色彩恢復(fù)函數(shù)，提出了如式（8）的帶色彩恢復(fù)的多尺度算法：

3.4 自適應(yīng)灰度拉伸

獲取圖像img中最大像素值max和最小像素值min，利用公式將圖像進(jìn)行圖像的對比度拉伸。

4 實(shí)驗(yàn)

4.1 人臉庫

4.2 結(jié)果與分析

實(shí)驗(yàn)中，本文主要將未進(jìn)行處理的人臉和通過算法處理之后的圖像，經(jīng)過PCA提取特征后進(jìn)行支持向量機(jī)多分類識別，進(jìn)行識別準(zhǔn)確率的對比（見表1）。

4.3 結(jié)論

本文在Retinex理論的基礎(chǔ)上，提出了一種基于Retinex的小波變換處理算法，利用Retinex理論對圖像的亮度分量和反射分量進(jìn)行分解，對圖像的亮度分量進(jìn)行自適應(yīng)對比度拉伸，最后利用圖像的反射分量使得圖像的細(xì)節(jié)和色彩得以恢復(fù)。本文算法解決了現(xiàn)有Retinex算法處理效果不理想的問題，該算法處理的非均勻光照圖像具有較好的對比度、能見度、自然性。本文算法對硬件設(shè)備沒有特殊的要求，可以在各手機(jī)、攝像機(jī)、電視或其他具有顯像功能的電子產(chǎn)品中進(jìn)行移植。

[參考文獻(xiàn)]

[1]孫立明.復(fù)雜光照條件下的人臉識別方法研究[D].吉林：東北電力大學(xué)，2018.

[2]吳玲.人臉識別中的圖像處理技術(shù)[J].科技信息，2010（4）：246.

[3]杜明，趙向軍.改進(jìn)Retinex的光照變化人臉圖像增強(qiáng)算法[J].計(jì)算機(jī)科學(xué)，2015（2）：105-108.

[4]辜小花.基于視覺感知和邊緣保持的光照不變?nèi)四樧R別[J].電子學(xué)報(bào)，2013（8）：1500-1505.

[5]霍躍華.一種煤礦井下復(fù)雜光照條件下的人臉識別方法[J].激光與光電子學(xué)進(jìn)展，2019（1）：66-67.

[6]楊先麒.小波分析在圖像處理中的應(yīng)用[J].理論與方法，2007（6）：19-22.

[7]李慶忠，劉清.基于小波變換的低照度圖像自適應(yīng)增強(qiáng)算法[J].中國激光，2017（2）：49-54.

[8]劉海波，湯群芳，楊杰.改進(jìn)直方圖均衡和Retinex算法在灰度圖像增強(qiáng)中的應(yīng)用[J].量子電子學(xué)報(bào)，2014（5）：525-532.