黃瓊
摘 要:非限定條件下,通過(guò)攝像頭動(dòng)態(tài)獲取的圖像,通常會(huì)出現(xiàn)光照不均勻的現(xiàn)象。而目前針對(duì)非均勻光照的處理方法大多數(shù)增強(qiáng)效果不理想。為能高效處理非均勻光照?qǐng)D像,文章提出一種基于Retinex理論的小波變換增強(qiáng)算法。所提算法對(duì)亮度分量進(jìn)行對(duì)比度拉伸,最后利用圖像的反射分量對(duì)圖像的色彩和細(xì)節(jié)進(jìn)行恢復(fù)。實(shí)驗(yàn)結(jié)果顯示,所提方法運(yùn)用在人臉識(shí)別系統(tǒng)中,其識(shí)別率有較好的提升。
關(guān)鍵詞:Retinex理論;小波變換;非均勻光照;識(shí)別率
隨著人臉識(shí)別技術(shù)的迅速發(fā)展,在國(guó)家及公共安全等領(lǐng)域,人臉識(shí)別技術(shù)已顯示出較大的應(yīng)用前景。當(dāng)前,人臉識(shí)別技術(shù)已經(jīng)成為當(dāng)前機(jī)器視覺(jué)中的一個(gè)重要部分[1]。雖然人臉識(shí)別技術(shù)已在多個(gè)領(lǐng)域得到了較大的應(yīng)用,但是在人臉識(shí)別的研究中還存在較大的問(wèn)題。在人臉識(shí)別的技術(shù)發(fā)展中,受到的影響因素有很多,其中光照就是影響因素之一。本文針對(duì)人臉識(shí)別技術(shù)的研究中,利用公開(kāi)人臉庫(kù)重點(diǎn)分析復(fù)雜光照下的人臉識(shí)別預(yù)處理算法。
1 人臉識(shí)別流程
如圖1所示,人臉識(shí)別主要有6個(gè)步驟,即人臉圖像的采集、檢測(cè)與定位、圖像預(yù)處理、特征提取和人臉識(shí)別[2]。
2 光照對(duì)識(shí)別系統(tǒng)的影響
在實(shí)際的應(yīng)用中,由于光照無(wú)處不在,人臉識(shí)別效果終會(huì)受到影響,時(shí)間、地點(diǎn)、天氣、環(huán)境等的變化都會(huì)或多或少的影響著光照,甚至是光源的亮度、距離和方向,都會(huì)影響人臉識(shí)別的結(jié)果。
人臉圖像采集系統(tǒng)含有各種電子元件負(fù)責(zé)圖像的采集。圖像采集系統(tǒng)會(huì)在存儲(chǔ)圖像前對(duì)信號(hào)進(jìn)行校正,比如對(duì)比度校正、Gamma校正、對(duì)曝光時(shí)間進(jìn)行調(diào)整等,這些操作都會(huì)使人臉圖像發(fā)生改變,這也是導(dǎo)致人臉識(shí)別準(zhǔn)確率下降的原因之一。而在圖像識(shí)別技術(shù)中,通常是根據(jù)目標(biāo)和背景的直方圖特征來(lái)辨別二者之間的差異,然后將此作為分割或識(shí)別目標(biāo)的前提,但是當(dāng)圖像受到光照影響時(shí),其直方圖信息會(huì)發(fā)生較大的改變。兩個(gè)人在不同光照條件下的圖像以及各自對(duì)應(yīng)的直方圖如圖2所示??梢园l(fā)現(xiàn),光照很大程度上影響著人臉圖像的直方圖分布,不同光照下同一個(gè)人臉的直方圖分布差異巨大,而同一光照下不同人的直方圖分布卻可以極其相似。
從人臉圖像中提取出來(lái)的特征是人臉識(shí)別的重要依據(jù),所以對(duì)人臉的特征提取也是人臉識(shí)別中最重要的步驟,然而光照的不同會(huì)使得人臉圖像受到較大的變化[3]。不均勻的光照會(huì)使得人臉圖像產(chǎn)生高光或者較厚的陰影,甚至是得到全暗的圖像,對(duì)人臉特征的提取會(huì)產(chǎn)生不利的影響。把圖像的尺寸特征以及形狀特征進(jìn)行結(jié)合作為分類的依據(jù),在模式識(shí)別中至關(guān)重要。而通常情況下,形狀特征包括區(qū)域特征和輪廓特征[4]。區(qū)域特征主要包括臉部上兩點(diǎn)之間的距離或者曲率等,能夠起到識(shí)別作用。而圖像的輪廓特征主要是針對(duì)圖像的邊緣,而邊緣信息也是人臉識(shí)別的重要依據(jù)之一。圖3是在不同光照條件下的同一個(gè)人的人臉圖像以及對(duì)其提取到的邊緣特征??梢钥闯觯?dāng)光照不均勻時(shí),臉部出現(xiàn)的陰影部分會(huì)帶來(lái)噪聲,在人臉的邊緣提取時(shí)使得邊緣信息受到影響,也有可能將陰影部分的邊界誤認(rèn)為是邊緣信息。
3 基于小波變換和Retinex理論的人臉識(shí)別算法
3.1 算法流程
本文所提算法首先采用小波變換對(duì)對(duì)數(shù)變換后的人臉圖像img進(jìn)行分解,得到人臉圖像的高頻系數(shù)部分(HH)和低頻部分(LL,HL,LH);然后對(duì)高頻部分進(jìn)行去噪濾波處理,采用雙邊濾波對(duì)低頻部分進(jìn)行光滑濾波[5];最后對(duì)小波重構(gòu)后的人臉圖像進(jìn)行對(duì)比度拉伸,從而提高光照條件下的人臉圖像質(zhì)量,主要算法流程如圖4所示。
小波指的是小區(qū)域的波,是一種比較特殊的波形,它的長(zhǎng)度有限,而且平均值為零。小波分析是將信號(hào)分解成一系列由一個(gè)母小波函數(shù)經(jīng)過(guò)平移和伸縮操作得來(lái)的小波函數(shù)的疊加[6-7]。
在多尺度分析的特性上小波分解具有以下重要的特性:(1)分解后圖像的高頻部分具有3個(gè)方向(水平、垂直和對(duì)角線),符合人類視覺(jué)特性。(2)小波分解后圖像中比較大的小波系數(shù)主要集中分布在低頻部分中。(3)小波分解后圖像中的高頻分量的小波系數(shù)具有很強(qiáng)的相關(guān)性。
3.3 帶色彩恢復(fù)的多尺度Retinex算法(MSRCR)
Jobson等在MSR的基礎(chǔ)上,利用其輸出乘以一個(gè)函數(shù),即色彩恢復(fù)函數(shù),提出了如式(8)的帶色彩恢復(fù)的多尺度算法:
3.4 自適應(yīng)灰度拉伸
獲取圖像img中最大像素值max和最小像素值min,利用公式將圖像進(jìn)行圖像的對(duì)比度拉伸。
4 實(shí)驗(yàn)
4.1 人臉庫(kù)
4.2 結(jié)果與分析
實(shí)驗(yàn)中,本文主要將未進(jìn)行處理的人臉和通過(guò)算法處理之后的圖像,經(jīng)過(guò)PCA提取特征后進(jìn)行支持向量機(jī)多分類識(shí)別,進(jìn)行識(shí)別準(zhǔn)確率的對(duì)比(見(jiàn)表1)。
4.3 結(jié)論
本文在Retinex理論的基礎(chǔ)上,提出了一種基于Retinex的小波變換處理算法,利用Retinex理論對(duì)圖像的亮度分量和反射分量進(jìn)行分解,對(duì)圖像的亮度分量進(jìn)行自適應(yīng)對(duì)比度拉伸,最后利用圖像的反射分量使得圖像的細(xì)節(jié)和色彩得以恢復(fù)。本文算法解決了現(xiàn)有Retinex算法處理效果不理想的問(wèn)題,該算法處理的非均勻光照?qǐng)D像具有較好的對(duì)比度、能見(jiàn)度、自然性。本文算法對(duì)硬件設(shè)備沒(méi)有特殊的要求,可以在各手機(jī)、攝像機(jī)、電視或其他具有顯像功能的電子產(chǎn)品中進(jìn)行移植。
[參考文獻(xiàn)]
[1]孫立明.復(fù)雜光照條件下的人臉識(shí)別方法研究[D].吉林:東北電力大學(xué),2018.
[2]吳玲.人臉識(shí)別中的圖像處理技術(shù)[J].科技信息,2010(4):246.
[3]杜明,趙向軍.改進(jìn)Retinex的光照變化人臉圖像增強(qiáng)算法[J].計(jì)算機(jī)科學(xué),2015(2):105-108.
[4]辜小花.基于視覺(jué)感知和邊緣保持的光照不變?nèi)四樧R(shí)別[J].電子學(xué)報(bào),2013(8):1500-1505.
[5]霍躍華.一種煤礦井下復(fù)雜光照條件下的人臉識(shí)別方法[J].激光與光電子學(xué)進(jìn)展,2019(1):66-67.
[6]楊先麒.小波分析在圖像處理中的應(yīng)用[J].理論與方法,2007(6):19-22.
[7]李慶忠,劉清.基于小波變換的低照度圖像自適應(yīng)增強(qiáng)算法[J].中國(guó)激光,2017(2):49-54.
[8]劉海波,湯群芳,楊杰.改進(jìn)直方圖均衡和Retinex算法在灰度圖像增強(qiáng)中的應(yīng)用[J].量子電子學(xué)報(bào),2014(5):525-532.