本發(fā)明涉及模式識別技術(shù)領(lǐng)域，具體是一種基于kirsch算子的人臉光照不變特征提取方法。

背景技術(shù)：

在所有的生物特征識別方法中，人臉識別是應(yīng)用最廣泛的技術(shù)之一，越來越受到研究者的關(guān)注，成為圖像處理、模式識別與計算機(jī)視覺研究中的熱點問題。同時,它作為一種最能平衡各方利弊及具多功能的生物特征識別技術(shù),在身份鑒定、人機(jī)交互和視頻監(jiān)控等商業(yè)應(yīng)用領(lǐng)域中有著廣闊的發(fā)展前景。雖然人臉識別技術(shù)已經(jīng)取得了長足的發(fā)展，但光照環(huán)境的不確定性和復(fù)雜多變性使人臉識別變得困難，成為了影響其性能的主要因素之一。解決人臉識別中光照問題的方法主要分為三類：提取光照不變特征、光照變化的建模、光照條件標(biāo)準(zhǔn)化。在提取光照不變特征的方法中，又主要分為兩種：第一種是在對數(shù)域，通過低通濾波消除光照分量，例如：在對數(shù)域中，利用離散余弦變換(dct)或小波變換進(jìn)行濾波處理等方法。第二種是構(gòu)造除法運算，通過除法運算來消除慢變化的光照分量，例如：梯度臉(gradient-face)、韋伯臉(weber-face)、局部二值模式(localbinarypattern，lbp)等方法。因此，如何高效地提取光照不變特征，開拓新的思路，挖掘新的方法，成為了人臉識別的基本問題之一。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種能夠提高人臉識別率的基于kirsch算子的人臉光照不變特征提取方法，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于kirsch算子的人臉光照不變特征提取方法，包括以下步驟：

(1)利用kirsch算子對人臉圖像銳化處理，提取人臉?biāo)椒较虻募?xì)節(jié)特征；

(2)與原圖像對應(yīng)像素進(jìn)行除法運算，消除慢變化的人臉光照部分,所得結(jié)果就是需要提取的人臉光照不變特征。

作為本發(fā)明進(jìn)一步的方案：根據(jù)光照反射模型，任意灰度人臉圖像i(x,y)可以看成是反射分量r(x,y)和光照分量l(x,y)的乘積，即i(x,y)＝r(x,y)l(x,y)；所述步驟(1)中，銳化處理時，應(yīng)用kirsch算子模板，得到銳化后的人臉圖像i'。

作為本發(fā)明進(jìn)一步的方案：以kirsch算子的h4模板進(jìn)行銳化處理后的人臉圖像i'，某中心像素點(x,y)的灰度值為i'(x,y)如公式(1)所示：

i'(x,y)＝-3i(x-1,y-1)-3i(x,y-1)-3i(x+1,y-1)-3i(x-1,y)-3i(x+1,y)+5i(x-1,y+1)+5i(x,y+1)+5i(x+1,y+1)(1)；

為了表述方便，i(x+m,y+n)簡記為im,n，同理，r(x+m,y+n)簡記為rm,n，l(x+m,y+n)簡記為lm,n，則公式(1)簡記為公式(2)，如下所示：

i'0,0＝-3i-1,-1-3i0,-1-3i1,-1-3i-1,0-3i1,0+5i-1,1+5i0,1+5i1,1(2)；

根據(jù)光照反射模型進(jìn)一步得到公式(3)：

i'0,0＝-3r-1,-1l-1,-1-3r0,-1l0,-1-3r1,-1l1,-1-3r-1,0i-1,0-3r1,0i1,0+5r-1,1r-1,1+5r0,1r0,1+5r1,1l1,1(3)。

作為本發(fā)明進(jìn)一步的方案：所述步驟(2)中除法運算為r(x,y)代表人臉的關(guān)鍵信息，而l(x,y)是慢變化的，在局部是近似不變的，所以通過除法運算來近似消除該分量，得到公式(4)

因為光照分量l(x,y)變化緩慢，在局部近似相等，所以有公式(5)：

l0,0≈l-1,-1≈l0,-1≈l1,-1≈l-1,0≈l1,0≈l-1,1≈l0,1≈l1,1(5)；

對于公式(5)的所有變量均用lt替代，并代入公式(5)，得到公式(6)：

因此消除了光照分量。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

本發(fā)明對不同角度的光照具有一定的抑制作用，處理后人臉圖像的識別率較現(xiàn)有的算法處理后的人臉識別率高；本發(fā)明采用kirsch算子和除法運算對人臉圖像做光照處理，方法簡單，識別速度快。

附圖說明

圖1為本發(fā)明提取人臉光照不變特征的基本流程圖。

圖2為本發(fā)明中以(x,y)為中心的八鄰域灰度值矩陣及其對應(yīng)的簡化表達(dá)示意圖。

圖3為提取cmupie人臉數(shù)據(jù)庫光照不變特征前后的人臉示例圖。

圖4為提取擴(kuò)展yaleb正面人臉庫光照不變特征前后的人臉示例圖。

具體實施方式

下面結(jié)合具體實施方式對本專利的技術(shù)方案作進(jìn)一步詳細(xì)地說明。

請參閱圖1-4，一種基于kirsch算子的人臉光照不變特征提取方法，包括以下步驟：

(1)利用kirsch算子對人臉圖像銳化處理，提取人臉?biāo)椒较虻募?xì)節(jié)特征；

(2)與原圖像對應(yīng)像素進(jìn)行除法運算，消除慢變化的人臉光照部分,所得結(jié)果就是需要提取的人臉光照不變特征。

根據(jù)光照反射模型，任意灰度人臉圖像i(x,y)可以看成是反射分量r(x,y)和光照分量l(x,y)的乘積，即i(x,y)＝r(x,y)l(x,y)；所述步驟(1)中，銳化處理時，應(yīng)用kirsch算子模板，得到銳化后的人臉圖像i'。

所述步驟(2)中除法運算為r(x,y)代表人臉的關(guān)鍵信息，而l(x,y)是慢變化的，在局部是近似不變的，所以通過除法運算來近似消除該分量。

具體來說，所述基于kirsch算子的人臉光照不變特征提取方法，具體步驟如下：

(1)以原圖像某一像素點(x,y)為中心的8鄰域如圖2(a)所示，為簡化表述，中心像素點(x,y)處的灰度值i(x,y)表述為i0,0，如圖2(b)所示，其鄰域點的灰度值i(x+m,y+n)表述為im,n。

根據(jù)光照反射模型，任意灰度人臉圖像i(x,y)可以看成是反射分量r(x,y)和光照分量l(x,y)的乘積，即i(x,y)＝r(x,y)l(x,y)，其中l(wèi)(x,y)取決于光源且只代表面部光照的分量，r(x,y)取決于物體的表面特征并包含了面部的關(guān)鍵信息，在本發(fā)明中i(x+m,y+n)可表述為rm,nlm,n。

kirsch微分算子可以對人臉圖像進(jìn)行八個特定方向上的銳化處理，加強(qiáng)圖像的細(xì)節(jié)邊緣和輪廓特征，這八個方向上的模板分別為

提取圖像水平方向細(xì)節(jié)特征的算子主要是h0和h4算子，本發(fā)明在下面的推導(dǎo)過程中，僅以h4模板為例，對人臉圖像進(jìn)行銳化處理，得到i'。具體的原理推導(dǎo)過程如下：

設(shè)以kirsch算子的h4模板進(jìn)行銳化處理后，人臉圖像i'某像素點(x,y)的灰度值i'(x,y)如公式(1)所示：

為了表述方便，i(x+m,y+n)簡記為im,n，同理，r(x+m,y+n)簡記為rm,n，l(x+m,y+n)簡記為lm,n，則公式(1)簡記為公式(2)，如下所示：

i'0,0＝-3i-1,-1-3i0,-1-3i1,-1-3i-1,0-3i1,0+5i-1,1+5i0,1+5i1,1(2)

根據(jù)光照反射模型進(jìn)一步得到公式(3)：

i'0,0＝-3r-1,-1l-1,-1-3r0,-1l0,-1-3r1,-1l1,-1-3r-1,0i-1,0-3r1,0i1,0+5r-1,1r-1,1+5r0,1r0,1+5r1,1l1,1(3)

(2)對已經(jīng)用光照分量和反射分量來表示的已銳化處理的人臉圖像i'，可以直接用其除以原圖像(即)來近似消除慢變化的光照分量。具體的公式推導(dǎo)過程如下：

因為光照分量l(x,y)變化緩慢，在局部近似相等，所以有公式(5)：

l0,0≈l-1,-1≈l0,-1≈l1,-1≈l-1,0≈l1,0≈l-1,1≈l0,1≈l1,1(5)

對于公式(5)的所有變量均用lt替代，并代入公式(5)，得到公式(6)：

在公式(6)中消除了光照分量。

本發(fā)明在cmupie和擴(kuò)展yaleb人臉庫中進(jìn)行實驗：

1、人臉庫介紹：cmupie人臉數(shù)據(jù)庫共有68個人的41368張人臉圖像，本發(fā)明選擇的是在正面人臉光照組(c27)中進(jìn)行實驗，c27光照組共包含1428個人臉庫。實驗時，使用的人臉尺寸為64×64，從每個人臉的21種不同光照中選取一張圖像作為訓(xùn)練樣本，其余人臉作為測試樣本。

擴(kuò)展yaleb人臉庫共包含38個人的9種不同姿態(tài)，每種姿態(tài)又包含64種不同的光照情況。本發(fā)明只在擴(kuò)展yaleb正面人臉庫(共2432張人臉)中進(jìn)行實驗，所有人臉圖像按照不同角度可分為5個子集：子集1(θ＜12°)有266個樣本、子集2(13°＜θ＜25°)有456個樣本、子集3(26°＜θ＜50°)有456個樣本、子集4(51°＜θ＜77°)有532個樣本、子集5(θ＞77°)有722個樣本。實驗時，使用的人臉尺寸為192×168，用子集1作為訓(xùn)練樣本，其余子集作為測試樣本。

2、實驗結(jié)果：

實驗1，將提取的人臉光照不變特征與原圖像進(jìn)行了對比發(fā)現(xiàn)經(jīng)本發(fā)明方法處理后的人臉圖像特征更為明顯，有效地克服了光照對人臉特征的影響。在cmupie人臉數(shù)據(jù)庫和擴(kuò)展yaleb正面人臉庫中提取光照不變特征前后的人臉示例分別如圖3、圖4所示。

實驗2，本發(fā)明方法將提取的人臉光照不變特征，計算反正切變換將取值范圍壓縮到(-π/2,π/2)，采用l1范數(shù)測量距離后，利用最近鄰分類器分類判別。在cmupie人臉庫上的正確識別率是97.21％，在擴(kuò)展yaleb人臉庫的人臉正確識別率是99.08％，對人臉不變特征提取有較好的魯棒性。

本發(fā)明對不同角度的光照具有一定的抑制作用，處理后人臉圖像的識別率較現(xiàn)有的算法處理后的人臉識別率高；本發(fā)明采用kirsch算子和除法運算對人臉圖像做光照處理，方法簡單，識別速度快。

上面對本專利的較佳實施方式作了詳細(xì)說明，但是本專利并不限于上述實施方式，在本領(lǐng)域的普通技術(shù)人員所具備的知識范圍內(nèi)，還可以在不脫離本專利宗旨的前提下做出各種變化。