[发明专利]一种基于正交三角分解的人脸图像光照复原方法

说明书

本发明是一种基于正交三角分解的人脸图像光照复原方法，该方法包括如下步骤：步骤1：采集人脸彩色图像并转化为人脸灰度图像；步骤2：求取步骤1中得到人脸灰度图像的光照归一化图像；步骤3：求取人脸灰度图像的光照复原图像。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，对上三角矩阵行向量进行归一化处理，产生人脸灰度图像的光照归一化图像，然后利用梯度下降法，使人脸灰度图像逼近其光照归一化图像，产生人脸灰度图像的光照复原图像，在恢复光照的同时，最大限度的保持人脸图像的固有鉴别特征。

技术领域

本发明属于模式识别领域，具体的说是涉及一种基于正交三角分解的人脸图像光照复原方法，尤其是一种剧烈光照变化人脸图像识别问题中的人脸图像光照复原方法。

背景技术

人脸图像光照复原技术主要应用于存在剧烈光照变化的人脸图像识别问题中，其在视觉监控，信息安全，身份信息识别等领域有着广泛的应用需求，如在视觉监控方面，目前的户外视觉监控系统可实时采集大量含有剧烈光照变化人脸图像的视频和图片，通过将人脸图像的剧烈变化光照复原为正常光照，可以提高视觉监控系统识别剧烈光照变化人脸图像的准确率。

人脸图像光照复原方法源于这样一个事实，即在户外自然光环境下，采集的人脸图像存在剧烈的光照变化，剧烈光照变化会导致人脸识别系统的性能严重下降，为了提高人脸识别系统对剧烈光照变化的鲁棒性，需要将人脸图像的剧烈光照变化复原为正常光照。

近年来，人脸图像光照复原技术成为剧烈光照变化人脸识别领域的一个重要研究课题，在理论上说明了方法的可行性，更提出并发展了许多有显著意义和应用价值的方法。按其复原技术可以分为两类：基于数据驱动的复原方法和基于模型驱动的复原方法。基于数据驱动的复原方法使用大规模光照变化人脸图像训练深度神经网络，使得深度神经网络能够产生任意剧烈光照变化人脸图像的正常光照图像，基于数据驱动的复原方法容易造成人脸鉴别信息失真，对剧烈光照变化效果不佳，在实际应用中不能令人满意；基于模型驱动的复原方法，将剧烈光照变化作为线性干扰噪声消除掉，效果很好。

ZL2019110647985公开了一种基于奇异值分解的人脸图像光照复原方法，该方法是利用是利用奇异值分解方法对采集转化后的人脸灰度图像进行光照归一化处理，并求取人脸灰度图像的光照复原图像，此专利中的光照复原方法在进行奇异值分解时速度比较慢，计算效率低。

ZL2014101360466公开了一种极端光照人脸识别的光照归一化方法，此方法中光照归一化处理是将人脸图像分为低频和高频，并且根据低频和高频的不同进而采取不同的算法进行信息的处理，虽然系统的鲁棒性较好，但是由于在计算的过程中需要对低频和高频信息采用不同的方法进行处理，因此依然存在处理速度慢、效率低的缺陷。

ZL 201310303786X公开了一种针对人脸识别的光照归一化处理系统，使用FBEMD方法分解一张人脸图像，得到一组从高频到低频排列的BIMF分量，每个BIMF都是局部窄带、具有单一特征的子信号，计算每一个BIMF中所含信息的权重系数，只选用权重系数最高的三个分量做加和处理，重建人脸图像，完成光照的归一化处理，但是此归一化处理系统需要在识别之前去除光照变量的影响。

发明内容

为了克服现有技术中存在的不足，本发明提供了一种能够将人脸图像的剧烈光照变化复原为正常光照，适用于各种剧烈光照变化人脸识别算法的基于正交三角分解的人脸图像光照复原方法。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种基于正交三角分解的人脸图像光照复原方法，该方法包括如下步骤：

步骤1：采集人脸彩色图像并转化为人脸灰度图像，具体包括如下步骤：

步骤1.1：采集人脸彩色图像，人脸彩色图像的大小为m×n×3，其中， m表示人脸彩色图像矩阵的行数，n表示人脸彩色图像矩阵的列数；