[发明专利]一种基于特征分离的正则化人脸图像复杂光照去除方法

权利要求书

1.一种基于特征分离的正则化人脸图像复杂光照去除方法，其特征在于，包括如下步骤：

(1)读入人脸图像，然后将人脸图像进行对数变换；

(2)对步骤(1)中得到的图像f进行对数全变差的变换，分解出人脸图像的高频特征分量和低频特征分量；

(3)分别对低频特征分量D和高频特征分量G做处理；

(4)将正则化后的低频分量Dend和增强的高频分量Hend合成为新的去除了光照噪声的人脸图像，记为F_face：

F_face＝Dend₊Hend。

2.如权利要求1所述的基于特征分离的正则化人脸图像复杂光照去除方法，其特征在于，步骤(1)中，读入人脸图像，然后将人脸图像进行对数变换具体为：

(11)将每幅图像的大小裁剪为100*100；

(12)对人脸图像的整体灰度值做对数变换，对数变换后的图像不仅可以保持原始图像的固有特征，也可以起到增强的作用，从而得到处理后的图像，记为f；

(13)根据朗伯反射模型，引入对数变换将图像变为加性模型，I为原始输入的人脸图像，ρ为图像的小尺度特征，包含人脸的本征，S为图像的大尺度特征，包含图像中的光照噪声和部分人脸本征，相应的，人脸图像可以表示为高频分量h和低频分量w；

f＝lnI＝lnρ+lnS＝h+w。

3.如权利要求1所述的基于特征分离的正则化人脸图像复杂光照去除方法，其特征在于，步骤(2)中，对图像f进行对数全变差分解，结合朗伯反射定律分解出人脸图像的特征分量：

G＝f-D

代表了低频特征分量w的全变差，λ表示和图像大小相关的尺度阈值参数，根据所采用的样本集人脸图像大小100*100确定λ取值0.4，采用二阶锥优化SOCP方法计算G；人脸图像的高频特征分量G，代表人脸本征信息，人脸图像的低频特征分量D，主要包含复杂光照影响因子。

4.如权利要求1所述的基于特征分离的正则化人脸图像复杂光照去除方法，其特征在于，步骤(3)中，分别对低频特征分量D和高频特征分量G做处理具体为：

(31)使用均值滤波方法处理高频分量G，得到增强的人脸本征分量Hend；

(32)采用视网膜模型处理低频分量D，初步滤除光照，得到分量I_pp；

(33)采用直方图重映射方法对I_pp进行处理，进一步滤除残余光照，得到正则化后的低频分量Dend。

5.如权利要求4所述的基于特征分离的正则化人脸图像复杂光照去除方法，其特征在于，步骤(31)中，均值滤波处理后得到的高频分量Hend，具体为：

均值滤波方法将局部平均滤波器应用到局部像素邻域，该局部邻域包含的像素数量由掩模θ的大小决定；当且仅当中心像素值大于指定的阈值时，对掩模θ范围内的局部像素邻域执行阈值平均滤波；

像素点均具有比某固定值更大的值，则该固定值被设置为阈值β；

最终，大于指定比例α的像素点通过操作被替换为局部邻域像素的均值；

由于数据库中的图像大小被裁剪并重新调整为100×100像素，因此，均值滤波中的掩模θ的大小被设置为10×10，将指定比例α设置为99％；

经过以上步骤，实现了对高频分量G的均值滤波处理，实现了人脸特征的增强。