復雜光照下人臉預處理的算法研究

黃瓊

摘 要：非限定條件下，通過攝像頭動態獲取的圖像，通常會出現光照不均勻的現象。而目前針對非均勻光照的處理方法大多數增強效果不理想。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算法。所提算法對亮度分量進行對比度拉伸，最后利用圖像的反射分量對圖像的色彩和細節進行恢復。實驗結果顯示，所提方法運用在人臉識別系統中，其識別率有較好的提升。

關鍵詞：Retinex理論；小波變換；非均勻光照；識別率

隨著人臉識別技術的迅速發展，在國家及公共安全等領域，人臉識別技術已顯示出較大的應用前景。當前，人臉識別技術已經成為當前機器視覺中的一個重要部分[1]。雖然人臉識別技術已在多個領域得到了較大的應用，但是在人臉識別的研究中還存在較大的問題。在人臉識別的技術發展中，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的研究中，利用公開人臉庫重點分析復雜光照下的人臉識別預處理算法。

1 人臉識別流程

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

2 光照對識別系統的影響

在實際的應用中，由于光照無處不在，人臉識別效果終會受到影響，時間、地點、天氣、環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果。

人臉圖像采集系統含有各種電子元件負責圖像的采集。圖像采集系統會在存儲圖像前對信號進行校正，比如對比度校正、Gamma校正、對曝光時間進行調整等，這些操作都會使人臉圖像發生改變，這也是導致人臉識別準確率下降的原因之一。而在圖像識別技術中，通常是根據目標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的前提，但是當圖像受到光照影響時，其直方圖信息會發生較大的改變。兩個人在不同光照條件下的圖像以及各自對應的直方圖如圖2所示。可以發現，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，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生不利的影響。把圖像的尺寸特征以及形狀特征進行結合作為分類的依據，在模式識別中至關重要。而通常情況下，形狀特征包括區域特征和輪廓特征[4]。區域特征主要包括臉部上兩點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之一。圖3是在不同光照條件下的同一個人的人臉圖像以及對其提取到的邊緣特征。可以看出，當光照不均勻時，臉部出現的陰影部分會帶來噪聲，在人臉的邊緣提取時使得邊緣信息受到影響，也有可能將陰影部分的邊界誤認為是邊緣信息。

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變換后的人臉圖像img進行分解，得到人臉圖像的高頻系數部分（HH）和低頻部分（LL，HL，LH）；然后對高頻部分進行去噪濾波處理，采用雙邊濾波對低頻部分進行光滑濾波[5]；最后對小波重構后的人臉圖像進行對比度拉伸，從而提高光照條件下的人臉圖像質量，主要算法流程如圖4所示。

小波指的是小區域的波，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母小波函數經過平移和伸縮操作得來的小波函數的疊加[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具有很強的相關性。

3.3 帶色彩恢復的多尺度Retinex算法（MSRCR）

Jobson等在MSR的基礎上，利用其輸出乘以一個函數，即色彩恢復函數，提出了如式（8）的帶色彩恢復的多尺度算法：

3.4 自適應灰度拉伸

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

4 實驗

4.1 人臉庫

4.2 結果與分析

實驗中，本文主要將未進行處理的人臉和通過算法處理之后的圖像，經過PCA提取特征后進行支持向量機多分類識別，進行識別準確率的對比（見表1）。

4.3 結論

本文在Retinex理論的基礎上，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行分解，對圖像的亮度分量進行自適應對比度拉伸，最后利用圖像的反射分量使得圖像的細節和色彩得以恢復。本文算法解決了現有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。本文算法對硬件設備沒有特殊的要求，可以在各手機、攝像機、電視或其他具有顯像功能的電子產品中進行移植。

[參考文獻]

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

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

[3]杜明，趙向軍.改進Retinex的光照變化人臉圖像增強算法[J].計算機科學，2015（2）：105-108.

[4]辜小花.基于視覺感知和邊緣保持的光照不變人臉識別[J].電子學報，2013（8）：1500-1505.

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

[6]楊先麒.小波分析在圖像處理中的應用[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增強算法[J].中國激光，2017（2）：49-54.

[8]劉海波，湯群芳，楊杰.改進直方圖均衡和Retinex算法在灰度圖像增強中的應用[J].量子電子學報，2014（5）：525-532.