为了提高复杂光照条件下人脸识别准确率，提出一种基于改进单尺度Retinex并结合局部二值模式（LBP）的人脸识别算法。首先，利用双边滤波代替Retinex的高斯滤波处理人脸图像，同时使用高斯-拉普拉斯（LoG）及归一化处理提取人脸图像的边缘细节特征，采用标准差的加权方法将两幅处理后的图像进行特征融合，然后使用LBP对融合后的图像进行特征提取，最后通过稀疏表示（SRC）算法对数据样本进行判别归类。在AR和Yale B 人脸库上的实验测试表明，提高了复杂光照下人脸识别的光照鲁棒性，在训练样本较少、光照复杂环境下能取得较好的识别效果。
计算机工程与应用 拉普拉斯高斯算子 子属丁边缘检测算子,通过计算阶导数的零交叉点来 拉普拉斯高斯( ,)是基寻找边缘信息。图像边缘和纹理区域由于灰度值变化 于二阶导数的边缘检测算子,它融合了高斯滤波和拉普较大,经算法处理得到的值较人,在图像其他位置 拉斯算子的优点。由于一阶导数对噪声敏感,该算法的处理结果值较小。如图()所示,经算法处理后 中使用到的阶导数会导致结果更不稳定。因此,在进虽能保留边缘及纹理特征,但在眼球、嘴唇等人脸特祉 变换前先使川高斯滤波器对原始图像作平提取的重要部位与原图以及图()相比较呈现出较大 滑处理,再使用 算子作卷积,可表示为 的灰度值差异。如果直接将图()和图()进行融合 h-z, y) vIG ()会使各自携带的特征信息相互抵消,降低融合优势。因 根据卷积是可变换、可结合的定厘,先作所此,先动图y)进行图像灰度值取反在进行融合操 积,即: 图像标准差体现了像素灰度值与平均灰度值的偏 y小8(xy) 离程度,标准差越大图像携带的信息量越多,故可以用 其中(xy)为输出g(xy)为原始图像,为卷积运算 两幅图像标准差来确定各自的融合系数。设p()表 符,(为高斯滤波器的滤波函数,⑦为拉普拉示图像P点(处的灰度值图像大小为MxN,则图 像P的标准差σ1为 斯算子。 ∑(()- GU,y)2TO 01=M×N2=1=1 2+02 则算子为 分别计算结合双边滤波处理后的图像 Pssp a-g aG 和算法结合归一化处理并取反的图像P1o的标 准差为σ和a1,图像Psg和图像P1cn融合系数分 别为os和ω1 其屮,σ为高斯函数的空间分布系数,本文屮取值为 同时得到输出h(x,y)后对图像矩阵进行归一化操作, 以便保留更多图像的细节信息。图为算法对比则得到融合后的特征F为 图,其中图()表示原始图像、图()表示图像 Poorer(z 处理工具箱中算法(自动选择阈值)处理的图像、 图为特征融合的对比图。 图()表示算法处理后再进行归一化处理的图像。 en ()原始图像 )原始图像()自带算法()结合归一化处理 图 算法对比图 m中了 基于标准差的特征融合 使用双边滤波替换单尺度 算法屮的高斯滤 ()结合双边滤波后的图像 波减轻了 算法处理带来的“光晕”现象,但由于 本身特性使处理后的图像像素值偏高减弱了部 分细节特征。算法虽然在消除图像光照影响方面 效果不佳,但该算法能很好地提取图像的边缘信息和细 ()处理后逃行归·化处理并取反的图像 节特征。为了提取图像的光照不变量并且使图像保留 较多的细节特性,可以通过图像融合技术对所述两种图 像信息进行特征融合。 图像融合可以将多张图像信息融合在一张图像中 ()融合后的图像 保留融合前图像的优势,提髙图像信息携带量 昇 图特征融合的对比图 段红燕,等:改进的单尺度 和结合的人脸识别 特征提取及稀疏衣小 仿真实验 局部二进制模式( )是一 仿真实验环境和实验数据集 种用来描述图像局部纹理特征的算子,由等提 为了验证本文算法的有效性,在 出。该算法通过对比图像局部中心点与周围邻近像素 操作系统的计 点的灰度值来实现因此对光照其有不变性,用于光算机上,采用 编程实现仿真测试,使用 照变化的图像特征提取,同时还具有计算过程简单、平的人脸库为和 人脸数据库。 移和旋转不变性的优点。算法被广泛应用在纹理 人脸库包含个人多张图像,涵盖了 分析、图像检测等领域。 不同表情、不同光照以及遮挡等要素。在本实验中选取 经典的算子以像素块为检测区域,以区城部分图像作为实验数据,共人包含位男性和 屮心像素点的灰度值为阈值分别比较区城中心邻域的位女性。因为本文研究的是光照变化对识别率的影响, 个像素点的灰度值与阔值的大小关系通过大小关系○所以每个人去掉有遮挡的图像,选取每人幅图 对图像进行重新编码。算子用公式表小为 像共幅图像进行实验。为方便实验图像被裁剪成 ,图为数据库部分图像。 =>S(g-8 ●()像素人小为 其中,g(P=0.1.2…p-1)表示中心邻城上像素点灰度 值,g表示中心像素点的灰度值,为每个A(g-s)的 权值,s(x)定义为 1,x≥0 0.x<0 稀疏表示分类是将测试图像样木表示为训练图像 数据库部分图像 样本的线性组合,求解测试图像样本最稀疏的表示。假 人脸数据库由 人脸库和扩展的 设实验训练样本有T类,第类的训练样本为A1= 人脸库组成,包含人,每个人的人脸有种 an,a,…,am],第i类的训练样本数为n;,则整体训练姿态,每种姿态包括幅不同光照的图像。根据光照 样本A=[A1,A2,…,Ax1,依据稀疏表示原理,测试样本入射的角度不同,每种姿态下人脸库可分为个 y可以用A线性表示,表达式为y=Ax,x为y在整体子集,子集( )、子集( )、子集( 训练样本下表示的系数向量。为了使系数向量最稀疏, ),子集( )和子集()。每个人在每个 把求解问题转化为l1范数最优化问题 子集中对应的人脸图像数目分别为,子集为、子集 i1=arg min, s. t. ALo=y 为、子集为,子集为以及子集为。本实 本文采用 算法,对式()求解,令验中选用正面姿态图像,同时四子集和子集在光照 6(x)表示x中第类样本空间的系数,则测试样本变化方面不明显,所以实验选取子集、子集利子集 =A6(x1),分别计算T类的残差 作为实验数据。图像被裁剪成像素大小为 图为 数据库部分图像 r(y)=1y-A6()2,i=,2…,T 实验结果与分析 最终分类表示为使式()最小的t对应的 为验证本文提及的特征融合算法的有效性,将其与 arg minr: (y) 文献的算法进行对比。在光照较为复杂的 木文算法的主要流程为: 人脸库中选取三个人脸图像进行对比实验,原图分別为 ()使用双边滤波代替算法中的高斯滤波对原图像、图像和图像。原图经过文献和本文特征 始图像进行光照估计,得到特征图像Pspc 融合算法处理效果图如图所示。并分别计算各图像 ()使用算子对原图进行处理,并进行归一化的信息熵作为客观评价标准,如表所示。 处理和取反操作,得到特征图像P1xn 根据表的实验数据,原图经过文献和本文特 ()通过基于标准差的特征融合对两特征图像进征融合算法的处理后,信息熵的值均有所提高。对比文 行融合,融合系数ωs和ω,按照特征图像的标准差比献的结果经过本文特征融合算法处理后信息熵的 例分配 值均有一定稈度的增加,表明本文特征融合算法处理后 ()使用算法对融合后的特征图像进行最终的的人脸图像具有较高的信息量。 特征提取,建立图像的样本集,并且采用稀疏表示算法 为验证本文算法对变化光照的鲁棒性,将本文算法 进行判别归类。 以及这几种经典的算法进 计算机工程与应用 据。为了直观了解 以及本文 算法对图像的特征提取效果,分别在和 选取 人进行不同算法的特征提取,如图所示。所有算法 在不同训练样本下的人脸识别率如表所示 ()子集 原图 本文方法 ()子集 图各算法处理效果 表人脸库各种算法的人脸识别率 样本数原图 本文方法 ()子集 图 数据库部分图像 的子集人臉库各种算法的人臉识别率 样本数原图 本文方法 表 的子集人脸库各种算法的人脸识别率 样本数原图 本文方法 ()原图 ()文献()本文特征融合算法 图文献和本文特征融合算法处理效果图 表各图像的信息熵 图像原图文献 本文特征融合算法 图像 图像 图像 表 的子集人脸库各种算法的人脸识别率 样本数原图 本文方法 行比较。此外,深度学习在机器视觉领域也得到广泛的 研究和关注。在人脸识别研究方向,一些预先训练好的 卷积神经网络可以表现出较好的性能 等人提 出了 恻络模型,该模型在数据集上取得 了较好的测试效果。本文基于 编写 测试程序,并将本文算法与基于该模聖的算 法()做对比实验。以上实验分别在、 的 根据表的实验数据,从整体上分析可以发现, 子集、 的子集和 的子集中随机选取各种算法以及原始图像的实验识别率都是随着训练样 每人幅图像作为训练样本,其他图像作为测试样本的增加而增加。对于在光照变化方面,人脸厍整 本,实验时均采用稀疏表示算法进行判别归类,每项测体的光照变化程度要小于 人脸厍整体的光照变 试分别进行次实验,最后求得平均值作为最终实验数化程度。对照表和另外三个表的数据,在训练样本较 段红燕,等:改进的单尺度 和结合的人脸识别 少的情况下人朎库的整体实验结果要高于 人脸库 其体而言无论在还是 人脸库,本文算法 基本上在每组测试的结果都优于其他算法。在光照变 化程度不剧烈的人脸库中木文算法和算法数据 相差不大,而在 人脸库屮本文算法的数据要优 于算法的数据,尤其是 脸库的子集中的 () 数据。对于光照变化十分剧烈的 人臉库的子集 和子集而言,本算法的识别率明显高于其他算法,在 训练样本数为时就到达以上的识别率。对于光 照入射的角度为 的子集,本文算法达到了 以上的识别率本文算法经过前期处理后最终的特征 提取是用的算法,出实验数据可知识別率比单独使 用或者有很大提高。由此说明本文算法对光 照变化剧烈情况下的人脸图像具有良好的特征提取能 力,提高了复杂光照环境下的人脸识别率。 结束语 为了改善复杂光照下人脸识別率,本文提出了一种 和结合的人脸识别算法。对传统的单尺度 算法进行改进,通过算法优化解决了传统单尺 度 处理图像出现“光晕”以及边缘细节缺失的问 题,通过处理后能够得到更多的人脸细节特征信 张晓丹,李春来改进和稀疏表示的光照人脸识 息,更能表达原始图像的光照不变量。在和 别计算机T程与应用, 人脸库对本文算法的有效性进行了仿真对比测试,结果 表明在复杂的光照环境下以及训练样本数较少情况下 的人脸识别率都有较大提升 参考文献: 曹洁,朱晶晶,李伟,等融合和特征的人脸识 别计算机T程与应用,,( (): 程勇基于多特征融合的复杂光照人脸识别计算机上 程与应用 胡韦伟,汪荣贵,方帅,等基于双边滤波的 图像 增强算法图学学报,,():