翟音 趙宇燁

摘要：針對人臉識別中，人臉圖像光照補(bǔ)償問題進(jìn)行研究。將人臉圖像通過對數(shù)邊緣圖變換和Gamma灰度變換兩種方法進(jìn)行預(yù)處理，再結(jié)合Retinex光照補(bǔ)償算法，得到兩種改進(jìn)的光照補(bǔ)償算法。通過在YaleB人臉識別庫上的實(shí)驗(yàn)結(jié)果來看，改進(jìn)的算法在一定程度上提高了人臉圖像的識別率。

關(guān)鍵詞：光照補(bǔ)償;對數(shù)變換;Gamma灰度變換

中圖分類號：TP3 ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）17-0031-02

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

光照變化一直是影響人臉識別的一個重要因素。由于人臉面部的立體性，不同的光照角度對人臉圖像的變化影響非常大。比如光線照射在人臉左側(cè)面時，右側(cè)面會有陰影，這種情況下對人臉圖像進(jìn)行識別時，算法的識別率就會下降。因此，為了減少不同光照角度對人臉圖像的影響，在對人臉面部圖像識別的初始處理階段，我們采用兩種不同的預(yù)處理算法對人臉圖像進(jìn)行預(yù)處理，再提取特征點(diǎn)識別面部特征，以此來降低光敏感度，提高人臉識別系統(tǒng)的識別率。

1Retinex理論

Retinex理論指出，人們眼睛所獲取的圖像，主要是入射光和反射物體兩大元素決定[1]。在Retinex光照補(bǔ)償算法[2]中，首先把圖像分成只含有入射信息的圖像和只含有反射信息的圖像。那么由該算法得到的圖像的成像過程可以用式（1）表示：

在式（2）中，將反射函數(shù)和入射函數(shù)之間的乘積關(guān)系轉(zhuǎn)換成對數(shù)相加關(guān)系，這樣能夠有效擴(kuò)展被壓縮的圖像中的陰影部分，從而消除光照的影響，符合人們對光線的亮度感知能力。

由此可見，基于Retinex理論的光照補(bǔ)償算法就是把入射光對圖像的影響去除，只獲取根據(jù)物體的反射性質(zhì)R得到的圖像的表面特征，從而減弱光照變化對圖像的影響[6]。當(dāng)光線照射在人臉側(cè)面時，Retinex光照補(bǔ)償算法并不能有效地獲取陰影部分的圖像的細(xì)節(jié)，為了獲得更好的圖像信息，我們將Retinex光照補(bǔ)償算法與其他光照預(yù)處理算法相結(jié)合，尋找有效的人臉圖像預(yù)處理算法。

2 兩種常用的光照補(bǔ)償預(yù)處理算法

2.1基于對數(shù)邊緣圖變換的方法

對數(shù)邊緣圖變換[4]是對整個圖像區(qū)域的一個變換，在光線照射在人臉側(cè)面時，為了降低光照對人臉識別圖像的影響，在變換后的圖像上選擇一個局部窗口。如式（3）所示。

根據(jù)式（4）可以獲得變換后的圖像與光照照射角度無關(guān)的一些特性，有這種特性的圖像叫作對數(shù)邊緣圖。

2.2基于gamma灰度教正的方法

Gamma校正方法[5]是人臉識別圖像處理常用的一種技術(shù)，它的原理是通過改變Gamma 參數(shù)來獲取圖像的不同亮度效果?；贕amma 灰度校正的方法是對 Gamma 校正方法的改進(jìn)，其基本思想是首先設(shè)置一個預(yù)先定義好的標(biāo)準(zhǔn)光照條件下的圖像[IO]，然后對要處理的圖像的光照角度進(jìn)行校正，使得它和標(biāo)準(zhǔn)圖像[IO]所處的光照角度相同，這樣可以在一定程度上減少圖像識別時不同光照角度對其產(chǎn)生的影響。

利用Gamma 灰度校正方法進(jìn)行人臉圖像光照預(yù)處理的主要步驟[5]：首先定義標(biāo)準(zhǔn)人臉圖像[IO]，這個圖像[IO]是一個預(yù)先定義的標(biāo)準(zhǔn)光照角度下的圖像，然后把要處理的圖像進(jìn)行Gamma灰度校正變換，使得變換后的圖像和標(biāo)準(zhǔn)圖像[IO]的光照角度相同，變換過程如式（5）所示：

3光照補(bǔ)償算法的改進(jìn)

將人臉圖像通過對數(shù)邊緣圖變換和Gamma灰度變換進(jìn)行預(yù)處理，再結(jié)合基于 Retinex 理論的光照補(bǔ)償算法得到預(yù)處理結(jié)果，執(zhí)行過程如圖 1 所示。

為了驗(yàn)證改進(jìn)的算法，我們主要選取面部有側(cè)光照射的圖像進(jìn)行實(shí)驗(yàn)，首先對要處理的圖像采用對數(shù)邊緣圖變換和Gamma灰度變換分別進(jìn)行預(yù)處理，去除光照的噪聲，再運(yùn)用基于 Retinex 理論的光照補(bǔ)償算法，最終得到的效果圖如圖2和圖3所示。

從圖像預(yù)處理的結(jié)果可以看出，通過對數(shù)變換和Gamma灰度校正兩種預(yù)處理算法的結(jié)合，改進(jìn)了原有的光照補(bǔ)償算法在側(cè)光照射下對獲取圖像細(xì)節(jié)不均勻的效果，減弱了圖像預(yù)處理階段光照的噪聲，減少了光照變化對圖像的影響，提高了人臉圖像的識別率。

4對比研究

YaleB人臉庫是光照和姿態(tài)變化的典型人臉數(shù)據(jù)庫。以YaleB人臉庫進(jìn)行實(shí)驗(yàn)，選擇人臉庫中10個人在不同光照情況下的拍攝圖像進(jìn)行測試，這些圖像是每個人在64種不同光照角度下用同一種姿勢拍攝的正面照片，總共選擇640張人臉圖像進(jìn)行實(shí)驗(yàn)。這些人臉圖像根據(jù)拍攝時光照的不同角度大致分為5種情況，每種情況用一個子集來表示：小于等于12度是子集1;13度到25度之間是子集2;26度到50度之間是子集3;51度到77度之間是子集4;大于77度是子集5。

實(shí)驗(yàn)中，為了比較正面光線和側(cè)面光線對人臉圖像的識別情況，把正面照射人臉的子集1用作訓(xùn)練集，其他側(cè)面照射人臉的4個子集作為測試集。實(shí)驗(yàn)結(jié)果如下。

從表1的對比數(shù)據(jù)中我們可以看出，方法1和方法2經(jīng)過兩種不同的圖像預(yù)處理算法后，人臉圖像的識別率都有所提高，局部對噪點(diǎn)的抗干擾性能更好一些，改進(jìn)后的方法在一定程度上提高了人臉圖像的識別率，識別的效果比較理想。

參考文獻(xiàn)：

[1] 黃華，王孝通.基于Retinex理論的圖像增強(qiáng)算法[J].四川兵工學(xué)報，2009，30（1）：64-65，68.

[2] 王彥臣，李樹杰，黃廉卿.基于多尺度Retinex的數(shù)字X光圖像增強(qiáng)方法研究[J].光學(xué)精密工程，2006，14（1）：70-76.

[3] SHAKED D， KESHET R. HPL200274R1，Robust recursive envelope operators for fast Retinex[R].Hewlett-Packard Research Laboratories，2002.

[4] Savvides M，Kumar B V K V.Illumination normalization using logarithm transforms for face authentication[M]//LectureNotesinComputerScience.Berlin，Heidelberg： Springer Berlin Heidelberg， 2003： 549-556.

[5] 杜波.人臉識別中光照預(yù)處理方法研究[D].北京：中國科學(xué)院研究生院，2005.

[6] 鄭苑.多方法結(jié)合的人臉圖像光照補(bǔ)償算法[J].計算機(jī)系統(tǒng)應(yīng)用，2012，21（2）：207-209.

【通聯(lián)編輯：代影】