面向人臉識別的復雜光照下圖像細節(jié)增強算法

卓志宏

（陽江職業(yè)技術(shù)學院，廣東陽江 529566）

面向人臉識別的復雜光照下圖像細節(jié)增強算法

卓志宏

（陽江職業(yè)技術(shù)學院，廣東陽江 529566）

為了提高在光照過度、不足或不均等復雜光照條件下的人臉識別率，提出一種復雜光照條件的人臉圖像細節(jié)強化算法。首先采用對數(shù)和非線性變換對人臉圖像動態(tài)范圍進行壓縮;然后利用反銳化掩模濾波算法消除圖像模糊，增強人臉圖像細節(jié)信息;最后采用Adaboost算法建立人臉分類器，并采用Yale B人臉圖像數(shù)據(jù)進行仿真測試。仿真結(jié)果表明，該算法解決了復雜光照條件對人臉圖像的不利影響，并進一步提高了人臉識別率。

Retinex算法;預處理;復雜光照;人臉識別

【本文獻信息】卓志宏.面向人臉識別的復雜光照下圖像細節(jié)增強算法［J］.電視技術(shù)，2014，38（3）.

人臉圖像大多數(shù)是在非理想條件下拍攝的，當在光照過度、不足或不均等復雜光照條件下，人臉圖像質(zhì)量降低，給人臉識別帶來困難，因此復雜光照條件下人臉圖像預處理是當前研究的一個熱點問題［1］。

目前傳統(tǒng)人臉預處理研究在假設光照條件好的情況下進行，這些方法應用范圍受限［2］。對于光照條件下人臉預處理問題，相關(guān)的研究較少，自從FERET測試發(fā)現(xiàn)光照變化對人臉識別結(jié)果有不利影響之后，學者們才開始著手研究該問題，并提出采用圖像增強算法對光照條件人臉圖像進行預處理，以提高人臉識別率［3］。傳統(tǒng)光照圖像增強算法有:直方圖均衡、指數(shù)變換、對數(shù)變換、同態(tài)濾波等［4］，這些算法簡單、易實現(xiàn)，但它們均是基于灰度變換的圖像增強算法，當光照變化較大時，圖像增強處理效果不理想［5］。1977年Edwin Land等提出了Retinex的色彩理論，該理論是一種關(guān)于人類視覺光亮度和色彩感知的模型，被廣泛應用于遙感圖像、醫(yī)學圖像、云霧干擾圖像的增強處理中，同時為解決復雜光照條件的人臉識別問題提供了新的研究工具［6］。基于Retinex理論的圖像增強算法較常見的有單尺度Retinex（SSR）、多尺度Retinex（MSR），以及多尺度 Retinex 彩色恢復（MSRCR）等算法［7－9］，然而，大量研究表明，Retinex理論輸出的圖像存在光暈、過增強和算法復雜度高等缺陷，且會導致RGB彩色偏移為灰色，即所謂的“灰度世界被破壞”，無法準確對人臉圖像細節(jié)增強，影響后繼人臉識別［10］。

本文針對復雜光照條件下Retinex模型的不足，將對數(shù)變換、非線線變換以及反銳化掩模濾波算法引入到人臉圖像增強處理中，提了一種復雜光照條件的人臉圖像細節(jié)增強算法，并通過仿真實驗對其性能進行驗證和分析。

1 Retinex理論

1.1 Retinex 算法

根據(jù)Retinex理論，一幅圖像可以看成是照射圖像和反射圖像的乘積，即

式中:I（x，y）表示原始圖像信號;R（x，y）表示反射分量;L（x，y）為照射分量。

對式（1）兩邊取對數(shù)，可以分離出反射和光照分量，得到原始面貌，即

對于SSR算法，第i個顏色分量的Retinex增強結(jié)果Ri（x，y）為

式中:i=1，2，3;* 表示卷積操作;F（x，y）為環(huán)繞函數(shù)，其定義為

式中:σ表示標準差;C歸一化因子。

大量研究發(fā)現(xiàn)，當σ值較小時，圖像細節(jié)增強效果好，壓縮范圍大，但顏色易失真;反之，圖像色彩豐富，但細節(jié)增強效果差。為了使兩者平衡，引入MSR算法，其數(shù)學表達式為

式中:k表示環(huán)繞尺度個數(shù);wk表示第k個尺度權(quán)重系數(shù);Fk（x，y）表示第k個環(huán)繞函數(shù)。

相對于SSR算法，MSR算法對壓縮范圍和色彩呈現(xiàn)間的平衡更好，但是圖像經(jīng)過MSR算法處理后，圖像顏色失真還是比較明顯。

1.2 Retinex算法存在的缺陷

用一幅受光照變化條件下拍攝的人臉圖像對傳統(tǒng)Retinex算法的性能進行分析，SSR算法、MSR算法圖像增強效果如圖1所示。

圖1 傳統(tǒng)Retinex算法處理后圖像

從圖1中的各算法增強結(jié)果可知，經(jīng)過各種Retinex算法處理后，圖像局部范圍出現(xiàn)了明顯的陰影，導致圖像過增強或顏色失真較嚴重，這主要是因為Retinex理論假設光照變化在空間上比較平滑，與實際情況不符，當光照變化較大時，易產(chǎn)生“光暈”現(xiàn)象，針對Retinex算法不足，本文提出的復雜光照條件的自動人臉識別算法工作流程如圖2所示。

圖2 自動人臉識別算法的工作流程

2 人臉圖像的細節(jié)增強算法

2.1 動態(tài)范圍壓縮

人眼動態(tài)范圍可以達到100 000 000∶1，而普通顯示設備亮度動態(tài)范圍僅為100∶1，因此為了使更多信息能夠在普通顯示設備上顯示出來，需要對圖像進行處理［11］。對數(shù)變換不僅較大程度地壓縮了圖像動態(tài)范圍，而且可對被壓縮圖像中的暗像素進行有效擴展，再者對數(shù)形式更接近人類視覺系統(tǒng)對光線的感知能力。為此本文首先對圖像的光照分量進行對數(shù)變換，然后對結(jié)果進行線性拉伸。對數(shù)變換的表達式為

式中:v（x，y）為光照分量的灰度值。

一幅人臉圖像經(jīng)過動態(tài)范圍壓縮后，得到結(jié)果如圖3所示。從圖3可知，人臉圖像的暗區(qū)信息明顯增強，有效壓縮了圖像的動態(tài)范圍，但出現(xiàn)增強過度的高光區(qū)域。

圖3 對數(shù)變換后的人臉圖像增強效果

為了防止出現(xiàn)高光區(qū)域，對人臉圖像進行非線性變換，即

式中:a為調(diào)整系數(shù);表示原圖像的平均灰度值。

當a值不同時，非線性變換后的人臉圖像效果不一樣，a越小，灰度值小的像素點經(jīng)過非線性變換后灰度值增加越大，但同時也容易失去圖像的紋理細節(jié)信息。反之a(chǎn)越大，雖然保留了紋理信息，但灰度值小的像素點增強不夠。因此可以選擇一個適中的a值，既增強暗區(qū)像素，又能很好地保留紋理，本文取a=1。圖4為a=1時的非線性變換處理后人臉圖像效果。通過對圖3和圖4進行對比分析可知，非線性變換算法不僅可以增強暗區(qū)細節(jié)，同時可以很好地保留紋理，在不同光照程度下，均可以獲得到很好的圖像增強效果，具有更強的圖像增強魯棒性。

2.2 圖像細節(jié)增強

對圖像進行動態(tài)范圍壓縮后，圖像有時會變模糊，不利于后續(xù)的人臉識別，為此本文采用反銳化掩模濾波算法對人臉圖像的模糊區(qū)域進行處理，使人臉圖像細節(jié)部分得以增強。反銳化掩模濾波是將原圖像減去一個平滑圖像的過程。高斯模糊可表示為

圖4 非線性變換算法的處理效果

式中:G（x，y）力是二維高斯函數(shù)，其定義為

由于銳化掩模濾波可以消除U（x，y）中大量的低頻信息，保留了高頻信息，可以增強圖像的細節(jié)信息。

得到模糊圖像后，反銳化掩模濾波表示為

3 仿真實驗

3.1 數(shù)據(jù)來源及對比算法

為了驗證自動人臉識別算法在復雜光照下的人臉圖像細節(jié)增強性能，選擇Yale B人臉圖像數(shù)據(jù)的1個人585張圖片進行仿真實驗，選取其中5張臉圖像，如圖5所示。為了使SSR算法結(jié)果更具說服力，在相同條件下，采用SSR算法、MSR算法在相同條件下進行對比實驗。

圖5 人臉原圖

3.2 人臉圖像增強后的視覺效果對比

各種算法的人臉圖像增強效果如圖6所示。從圖6可知，SSR算法較好地增強了人臉圖像中的暗區(qū)信息，消除了人臉局部陰影，但圖像增強有點過度，出現(xiàn)白化現(xiàn)象。MSR算法克服了SSR算法的白化現(xiàn)象，圖像銳化效果更好，豐富了人臉圖像的細節(jié)信息，但同樣存在局部過亮和過暗現(xiàn)象。相對其他算法，自動人臉識別算法很好地消除了人臉圖像中的局部陰影，提高圖像的對比度，獲得了更好的視覺效果。

3.3 客觀質(zhì)量評價標準對比

人臉圖像視覺效果是一種主觀圖像質(zhì)量評價標準，為了更準確說明本文算法的優(yōu)越性，采用熵、平均亮度、對比度3個標準作為圖像質(zhì)量客觀評價指標。各算法對圖像處理后的信息熵、亮度、對比度結(jié)果如圖7所示。

圖7 不同算法客觀質(zhì)量評價標準

從圖7可知，在所有客觀質(zhì)量評價指標中，自動人臉識別算法的綜合性能優(yōu)于傳統(tǒng)Retinex算法，這表明本文提出的自動人臉識別算法較好地解決了傳統(tǒng)Retinex存在的難題，提高了復雜光照條件下的人臉圖像預處理效果。

3.4 對后繼人臉識別結(jié)果影響

為了檢驗各種Retinex算法對后續(xù)人臉識別效果的影響，首先采用SSR算法、MSR算法和自動人臉識別算法對人臉圖像光照進行細節(jié)增強后，然后采用Adaboost算法建立人臉分類器，并通過人臉識別率來衡量各光照處理算法優(yōu)劣，實驗圖像數(shù)據(jù)來自Yale B人臉庫。由于本文主要針對光照變化問題，因此只選擇圖像庫中正面有光照變化的人臉圖像，根據(jù)光源方向和照相機軸線間的夾角，將人臉圖像化分為5個子集，5個子集如表1所示，人臉識別結(jié)果如圖8所示。

表1 5個人臉子集

圖8 各種算法的人臉識別率

對圖8實驗結(jié)果進行分析，得到如下結(jié)論:

1）人臉圖像經(jīng)過增強處理后，人臉識別率均得到了不同程度的提高，說明光照變化對人臉識別結(jié)果產(chǎn)生了不利影響，對人臉圖像進行預處理以增強效果是必須的。

2）對于5個子集，傳統(tǒng)Retinex算法（SSR、MSR）的識別率均較低，總體性能MSR算法優(yōu)于SSR算法。同時傳統(tǒng)Retinex算法只能在子集3～5獲得較高的人臉識別率，其他子集人臉識別率均很低，這是因為子集3～5中的人臉圖像受到光照影響較小，因此識別結(jié)果最好;對光照影響較大的1～2子集，傳統(tǒng)Retinex算法均無法很好地消除光照變化影響，導致人臉識別率較低。

3）相對于對比算法，自動人臉識別算法有3個子集的人臉識別率達到100%，各個子集的平均人臉識別率達97.24%，人臉誤識率下降十分明顯，主要是因為自動人臉識別算法引入了對數(shù)變換、非線線變換以及反銳化掩模濾波算法，克服傳統(tǒng)Retinex算法存在的不足，較好地消除光照變化的不利影響，進一步提高了人臉的識別率。

3.5 算法運行速度

對人臉識別系統(tǒng)，識別速度十分重要，為此，在Pentium 雙核2.5 GHz CPU，內(nèi)存4 Gbyte，操作系統(tǒng)為Windows XP的平臺，采用VC++編程，計算各種人臉圖像增強算法后的人臉識別時間，結(jié)果見表2。從表2可知，在所有算法中，自動人臉識別算法耗時最短，運行速度最快，主要由于自動人臉識別算法在動態(tài)范圍壓縮過程減少了高斯模糊運算，同時，圖像細節(jié)增強過程忽略了低頻信息，大幅度降低計算量，因此，自動人臉識別算法十分適合應用于實時性要求的人臉識別系統(tǒng)。

表2 不同算法的人臉識別時間對比

4 結(jié)束語

針對傳統(tǒng)Retinex算法在復雜光照條件下的不足，提出一種人臉圖像細節(jié)增強算法。仿真結(jié)果表明，人臉圖像細節(jié)增強算法可以消除光照條件對人臉圖像不利影響，有利于提高人臉識別率。

:

［1］NARASIMHAN S，NAYAR S.Contrast reatoration of weather degraded images［J］.IEEE Trans.Pattern Analysis and Machine Intelligence，2003，25（6）:713－724.

［2］李冠章，羅武勝，李沛.適應彩色空間的圖像對比度增強算法［J］.傳感技術(shù)學報，2009，22（6）:833－837.

［3］李冠章，羅武勝，李沛.可避免彩色失真的圖像對比度增強［J］.計算機仿真，2008，25（10）:228－231.

［4］TAN X，TRIGGS B.Enhanced local texture feature sets for face recongnition under difficult lighting conditions［J］.IEEE Trans.Image Processing，2010，19（6）:1635－1650.

［5］YOUNG K，SEOKL P，JOONG K.Retinex method based on adaptive smoothing for illumination base on adaptive smoothing for illumination invariant face recognition［J］.Signal Processing，2008（88）:1929－1945.

［6］于玲，劉彥隆，郭建軍.離散小波變換和Fast PCA與SVM在人臉識別技術(shù)中的應用［J］.電視技術(shù)，2012，36（23）:172－176.

［7］黃玉飛，齊和平，張文斌，等.基于小波系數(shù)和LS—SVM的圖像去噪［J］.電視技術(shù)，2013，37（1）:18－22.

［8］許欣，陳強，王平安，等.消除光暈現(xiàn)象的快速Retinex圖像增強［J］.計算機輔助設計與圖形學學報，2008，20（10）:1325－1331.

［9］孫勁光，李揚，孟祥福，等.改進的單尺度Retinex及其在人臉識別中的應用［J］.計算機應用研究，2011，28（12）:4790－4793.

［10］李福文，金偉其，陳偉力，等.基于Retinex模型的彩色圖像全局增強算法［J］.北京理工大學學報，2010，30（8）:947－951.

［11］王小明，方曉穎，劉錦高.復雜光照下的自適應人臉增強［J］.計算機工程與應用，2011，47（2）:15－18.

Details Strengthen Algorithm for Face Image Recognition in Complex Illumination Conditions

ZHUO Zhihong

（Yangjiang Vocational and Technical College，Guangdong Yangjiang 529566，China）

In order to improve the rate of face recognition in excessive，inadequate，or non－uniform complex illumination conditions，a details strengthen algorithm for face image in the complex illumination conditions is proposed in this paper.Firstly，logarithmic and nonlinear transform is used to compress the dynamic range of face image.Then the unsharp mask filtering algorithm is used to remove the fuzzy image message to enhance the details of face image，F(xiàn)inally，adaboost algorithm is used to build a classifier for face recognition，and the simulation test is carried out on Yale B face database.The simulation results show that the proposed algorithm has solved problem for face recognition in complex illumination conditions and improved the face recognition rate.

Retinex algorithm;pretreatment;complex illumination;face recognition

TN911.73;TP391

A

卓志宏（1979— ），碩士，講師，主要研究領(lǐng)域為圖像處理、人工智能。

責任編輯:時 雯

2013－03－04