[发明专利]对图像进行光照归一化处理的方法及采用其的图像识别方法

说明书

技术领域

本发明涉及一种对图像进行光照归一化处理的方法，还涉及一种采用其的图像识别方法，属于模式识别领域。

背景技术

近年来，人脸识别研究得到了广泛的关注。光照、姿态和表情三大问题一直是影响人脸识别精度的重要因素，其中光照因素，特别是自然环境光的变化不是人为所能控制的，因此光照处理是每个人脸识别系统必须进行的步骤。大多数人脸识别系统通常对光照条件作出一定限制，假设待处理图像是在基本均匀光照条件下获得的，它们仅允许小范围内的光照条件变化，然而实际光照条件往往不均匀，偏光、侧光、高光导致的过亮、过暗、阴影都会使效果大幅度下降。因此，如何减少光照对于人脸识别的影响得到了众多研究人员的关注。

TVQI(Total Variation based quotient image model)模型是一种使用TV-L1尺度分解模型与自商图像(SQI)模型结合的人脸光照归一化模型。Wang等提出的自商图像模型是使用图像本身的平滑度信息均衡外部的光照效应的一种光照归一化模型，其中图像的平滑度信息为加权高斯滤波器滤波的结果，但是高斯滤波器不能保持图像高频部分的边缘细节，因此自商图像模型处理结果丢失部分图像特征信息。为解决这一问题Chen等提出了TVQI模型，TVQI模型使用TV-L1分解得到的大尺度图像特征平衡人脸图像中的光照效应。TV-L1为各向异性扩散的偏微分方程，具有尺度选择特性，同时可以保持图像中的边缘特征。这种方法不仅保持了自商图像简单，有效的特点，而且能够保留更多的人脸细节信息，提高了识别效果。

下面对TV-L1模型和TV-L2模型作一简介。

TV-L1模型：

TV-L1模型是一种由偏微分方程方法发展而来的对图像进行平滑去噪的图像处理方法。它的基本思想是设一个泛函数J_λ[u]：求得使J_λ[u]得到最小值的u。其中u为TV-L1模型的结果，也就是平滑去噪后的图像，I为输入图像，也就是原图像，λ为调节去噪程度的参数，为梯度算子。

J_λ[u]中第一部分用来使图像平滑，第二部分λ∫|I-u|dx使u保持I的主要特征。可通过λ来调节u与I的相似程度。

自商图像模型(SQI)是一种光照归一化模型，它的基本方法是利用低通滤波器得到人脸图像的低频成分，再与原图像逐点的进行商运算，得到自商图像，用公式表示如下：

Q(x,y)=I(x,y)S(x,y)=I(x,y)F*I(x,y)]]>

其中Q(x，y)为自商图像中每点的像素值，I(x，y)为原图像中每点的像素值，S(x，y)为图像的低频成分中每点的像素值，F为低通滤波器。自商图像Q具有一定光照不变性，是自商图像模型的结果。

TV-L2模型：

TV-L2模型与TV-L1模型的基本思想相同，只是使用的约束条件不同，TV-L2模型使用的是L2范数作为约束条件，TV-L1模型使用的是L1范数作为约束条件，约束条件的不同使泛函数J_λ[u]中的第二部分与TV-L1不同，TV-L2模型中的泛函数表示为：其中u为TV-L2模型的结果，也就是平滑去噪后的图像，I为输入图像，也就是原图像，λ为调节去噪程度的参数，为梯度算子。

发明内容