人臉圖像光照處理新算法及其應(yīng)用.pdf

1、人臉圖像處理和識(shí)別技術(shù)在公共安全與多媒體藝術(shù)等方面有著廣闊的應(yīng)用前景。盡管經(jīng)過40多年研究的人臉識(shí)別技術(shù)已經(jīng)有一些成功應(yīng)用的典型案例,但是光照變化問題一直是制約該類技術(shù)普及實(shí)用最關(guān)鍵的因素之一。當(dāng)前世界上最權(quán)威的人臉識(shí)別測試(Face Recognition Vendor Test,FRVT2006)揭示,在可控光照環(huán)境下用高分辨率人臉圖像進(jìn)行人臉驗(yàn)證,在錯(cuò)誤接受率為0.1％時(shí)現(xiàn)有算法達(dá)到錯(cuò)誤拒絕率僅為1％,已經(jīng)達(dá)到某些場合的實(shí)用要求。

2、目前已有部分人臉識(shí)別系統(tǒng)被成功應(yīng)用于海關(guān)通關(guān)、與會(huì)人員身份確認(rèn)和產(chǎn)品用戶身份驗(yàn)證等。但是在不同光照條件下,同個(gè)人臉獲取的圖像可能存在巨大的差異,這會(huì)嚴(yán)重影響到人臉特征提取操作,同時(shí)對人臉圖像處理也帶來較大的挑戰(zhàn)。FRVT2006結(jié)果表明,在非可控光照條件下,盡管采用高分辨率人臉圖像,表現(xiàn)最佳的人臉識(shí)別系統(tǒng)在錯(cuò)誤接受率為0.1％的時(shí)候錯(cuò)誤拒絕率仍然大于10％。因此,現(xiàn)有的人臉識(shí)別產(chǎn)品遠(yuǎn)不能滿足光照不可控環(huán)境下的應(yīng)用要求。
　　 隨

3、著人臉識(shí)別技術(shù)的發(fā)展,人臉圖像光照處理研究也已經(jīng)進(jìn)行了幾十年。本文對過去的相關(guān)工作進(jìn)行了系統(tǒng)總結(jié)。從處理方法來看,現(xiàn)有方法可以分為以下兩大類:1)提取光照不變特征用于人臉識(shí)別；2)恢復(fù)標(biāo)準(zhǔn)(正面)光照人臉圖像。本文在這兩方面均做了較深入的研究,取得了一些富有意義的研究
　　 結(jié)果:
　　 1)提出基于非下采樣輪廓變換(NonSubsampled Contourlet Transform,NSCT)的人臉光照不變特征提取算

4、法,即Logarithmic NSCT(LNSCT)。
　　 在提取光照不變的人臉特征方面,目前最主流的方法是通過應(yīng)用高通濾波來估計(jì)人臉的反射成分作為光照不變特征進(jìn)行人臉識(shí)別。但是現(xiàn)有方法采用的濾波器往往無法同時(shí)達(dá)到多尺度和多方向?yàn)V波,或者無法在特定的尺度空間靈活選擇濾波方向,從而難以最有效地提取人臉內(nèi)在特征。本文提出的LNSCT則具有靈活的多尺度和多方向分析能力,可以有效地估計(jì)人臉反射成分,同時(shí)能抑制噪聲。
　　 在恢

5、復(fù)正面光照人臉圖像方面,本文主要做了以下2)-5)四個(gè)貢獻(xiàn):
　　 2)提出基于非理想類和非點(diǎn)光源商圖像的人臉重加光算法。
　　 經(jīng)典的商圖像理論基于“理想類”假設(shè),即假設(shè)所有人臉具有相同的表面法線向量(3D形狀)。而事實(shí)上,“理想類”假設(shè)即使對嚴(yán)格對齊過的人臉都無法滿足。為加強(qiáng)商圖像算法的安全性,本文提出基于非理想類非點(diǎn)光源商圖像的人臉重加光算法。與經(jīng)典的商圖像算法不同,本文的算法不采用固定的參考人臉,而是針對每個(gè)待處

6、理人臉重構(gòu)一張參考入臉,使得兩者具有相似的光照成分,從而代替“理想類”假設(shè)。改進(jìn)的商圖像算法突破了經(jīng)典商圖像理論中的“理想類”和“點(diǎn)光源”限制,同時(shí)能夠較好地解決陰影存在的問題。
　　 3)提出基于二次多項(xiàng)式模型的正面光照人臉圖像生成算法。
　　 本文提出用二次多項(xiàng)式模型來描述非正面光照條件下的人臉圖像與正面光照條件下的人臉圖像在對應(yīng)像素點(diǎn)灰度值之間的關(guān)系,進(jìn)而提出一種基于單張非正面光照人臉圖像生成正面光照人臉圖像的方法

7、。該方法的一個(gè)重要特點(diǎn)是獨(dú)立于任何先驗(yàn)物理模型而通過建立統(tǒng)計(jì)回歸模型來學(xué)習(xí)不同光照條件圖像之間的關(guān)系,易于實(shí)現(xiàn)。此外,提出用基于主成分分析的方法對光照歸一化后的人臉圖像進(jìn)行加權(quán)補(bǔ)償,進(jìn)一步改善圖像的可視化效果。
　　 4)提出基于小尺度與大尺度特征(Small-and Large-scale features,S&L)的人臉光照處理新框架。
　　 結(jié)合現(xiàn)有技術(shù),本文提出基于小尺度與大尺度特征的人臉圖像光照處理新框架(簡稱

8、其為S&L框架)。對每張人臉圖像,先將之分解成大尺度與小尺度特征。對小尺度特征,保持其不變或者進(jìn)行一些小校正。對大尺度特征,進(jìn)行主要的光照歸一化操作。然后,用處理過的大小尺度特征合并成光照歸一化后的人臉圖像。如果有必要,對處理后的圖像進(jìn)行進(jìn)一步的視覺補(bǔ)償。新框架確保人臉圖像的大尺度特征得以充分利用,同時(shí)避免光照不變的小尺度特征受扭曲。新框架既可以用于恢復(fù)正面光照人臉圖像,也可以用于人臉識(shí)別的光照預(yù)處理。其中,前面提及的LNSCT算法可以

9、用于新框架中的圖像分解,而基于二次多項(xiàng)式模型的正面光照人臉圖像生成算法和基于非理想類和非點(diǎn)光源商圖像的人臉重加光算法可以用于新框架中對大尺度特征進(jìn)行光照歸一化處理。
　　 5)發(fā)展了基于“核主成分分析+原像學(xué)習(xí)”(KPCA+Pre-image)技術(shù)的正面光照人臉圖像生成方法。
　　 KPCA+Pre-image是一種全局子空間學(xué)習(xí)方法,用于人臉圖像處理能避免圖像局部損壞。但是直接用KPCA+Pre-image算法對人臉圖