人脸识别中图像预处理问题的研究

余龙华 丁 锋

（电子科技大学电子工程学院，四川 成都 611731）

人脸识别中图像预处理问题的研究

余龙华 丁 锋

（电子科技大学电子工程学院，四川 成都 611731）

光照问题是人脸识别问题中的一个关键问题，为提高人脸识别的识别率，提出了利用多级小波分解来对图像进行光照补偿。首先将图像进行多级小波分解，并将分解后的最后一级子带图像的灰度进行归一化，从而去掉图像中的光照成分，再将归一化后的图像进行小波恢复。将该技术应用于隐马尔科夫法人脸识别，并和已有的几种光照处理方法进行了比较，其对识别率有显著的提高。

图像处理；小波分解光照补偿；人脸识别

（一）引言

人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、公安系统(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。但是当通过摄像头和采集卡获得人脸图像时，由于周围环境及转换器件的影响，会使人脸图像受到很多因素的影响，其中的光照变化是制约人脸识别系统性能的重要因素，基于此，本文主要研究了图像的光照处理方法，来提高人脸的识别率。解决光照问题主要有以下三种思路：其一，寻求对光照变化不敏感的底层视觉特征；其二，建立光照模型，进行针对性的光照补偿；其三，用任意光照图像生成算法生成多个不同光照条件的训练样本，利用具有良好学习能力的人脸识别判别方法进行识别。其中，Mose等已经从理论上证明，对于光照保持不变形的函数是不存在的。而传统的直方图均衡化常用于对图像灰度进行规范化，由于这个过程仅仅将图像灰度的整体分布从一种形式变换到另一种形式，忽略了与人脸相关的信息，无法对人脸灰度分布的变化进行规范化，因而也就不能从根本上解决光照问题。基于光照模型的补偿方法有光照锥、商图像、球面谐波等方法，但都存在一定的局限性，例如光照锥需要严格光照控制下的多个不同光照条件的训练图像，且计算量较大。这类方法理论性很强，其假设过多，有很强的局限性，在实用的人脸识别系统中难以应用。基于此本文提出了一种基于多级小波分解和还原的方法来实现光照补偿，其计算量较小，在 The Extended Yale Face Database B人脸数据库实验结果表明，该方法能够有效提高人脸识别的识别率。

（二）光照补偿方法

1.直方图均衡化

在图像处理中，灰度直方图表示图像中每一灰度级与该灰度级出现的频率之间的对应关系。对于一幅灰度图像，灰度级rk出现的概率，即就是该灰度图像的灰度，如下所示：

式中，n是图像中的像素总和，L是图像中可能的灰度级的总数，nk是灰度级为rk的像素的个数。

归一化后的新灰度图像是通过式(2)的变换函数，将原始图像中灰度级数为 rk的各像素映射到新灰度图像中灰度级为sk的对应像素得到的。

当图像进行直方图均衡后，直方图变得比较均匀，可以增强图像的对比度，可以增强局部的对比度，而不影响整体的对比度。使图像看起来更加清晰，从一定程度上削弱了光照的影响。

图1 原始图像及其直方图

图2 直方图均衡化处理后的图像和直方图

将处理前后的图像进行对比可以看出，在经过直方图均衡化处理后的图像中显示了原始图像中看不见的一些细节。从直方图的显示结果可以看出，原始图像的直方图分布不均匀，而目主要集中在低灰度范围，经处理后，图像的灰度动态范围变大，对比度增强。

2.光线补偿

在进行人脸识别的时候因为系统得到的图片可能会存在光线不平衡的情况，这会影响人脸识别的时候对特征的提取。光线补偿的思路是：首先把图片中亮度最大的5%的像素提取出来，然后线性放大，使得这些像素的平均亮度达到255。根据求得的系数把整个图片的亮度进行线性放大。其效果如下所示：

图3 原始图像

图4 光线补偿后的图像

从光线补偿前后的图片可以看到，进行光照补偿后的图片亮度明显变亮了很多，此方法对光照比较暗的情况的下有一定的效果。

3.小波变换及其光照补偿作用

小波变换是一种信号的时间尺度(时间-频率)分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征局部信号特征的能力，是目前常用的信号分析工具，其能将各种交织在一起的不同频率组成的混合信号分解成不同频率的块信号。因而能有效地应用于压缩数据、边缘检测、编码解码、信噪分离、识别模式以及将非线性问题线性化、非平稳过程平稳化等。

对于一幅二维图像{C0(m,n)}由给定尺度函数和小波函数，可按式（3）进行分解：

通过多辨分析可以构造出同一小波基函数的一对正交镜像滤波器h和g,h为低通滤波器，g为高通滤波器。Ck为原图像；分别是小波变换后的图像的低频分量、水平高频分量、垂直高频分量、对角高频分量。

图5是经过三级小波分解的示意图，其中子带图像LL保持原图像的低频分量，为原图像的平滑像，即Ck，它集中了上一级图像的主要能量；子带图像HL保持了原图像的水平边缘细节，即；子带图像HL保持了原图像的垂直边缘细节，即子带图像HH保持了原图像的斜边原细节，即；由Mallat算法的小波图像的重建公式得出图像还原公式为式（4）：

图5 小波分解示意图

我们将图像进行多级小波分解。经过多次小波分解后的近似分量反映图像的整体和面的关系，而细节分量反映图像的细几节和点的关系。当图像经过多次小波分解，只剩最后一个像素时，此像素的灰度可以近似图像的平均亮度。假设对一幅光照不均匀的图像进行N级小波分解，经过多级小波分解所得到的各级小波图像中，对称性最差的就是最后一级的近似分量，因此最后一级的近似分量，可以表达对于光照的估计。在实际应用的时候采用如下办法对光照进行估计：将多次小波分解后的最后一级子带图像LLN(N为分解数) 中所有元素赋值相同的灰度值。对LLN图像求像素灰度的均值，如式（5）。将LLN中的每个像素都赋值为average，相当于对图像作了亮度的归一，从而去掉了图像中的光照成分。

在实际应用的时候还要注意分解级数的选取，适当的选取分解级数，对光照估计方法的有效性很重要。选取的分解级数太多，去除光照的效果就不是很理想，同时计算量也会大大加大；但是如果分解的级数太少，就不能对光照进行准确的估计，造成有效地人脸特征当成光照成分而被忽略掉的后果，在试验的时候对180*200像素的人脸图像进行五级小波分解，得到的效果比较好。图六为一幅人脸图像进行五级小波分解后的示意图。

最后将亮度归一后的LLN图像进行小波恢复，如图八所示为进行小波重建后的图像。对比原始图像，可以发现恢复后的图像亮度更均匀一些。更主要的是恢复图像保留了原始图像的细节部分，即保留了用于人脸识别的人脸基本特征。

图6 五次小波分解后的图像

图8 小波重建后图像

（三）隐马尔科夫方法人脸识别实验

为了考察上述光照补偿方法对隐马尔科夫方法人脸识别识别性能的影响，我们选用The Extended Yale Face Database B(包括二十八个人共计16128张照片，每个人包含九种不同的姿势六十四种光照情况)和自建的人脸库进行识别实验测试。其中从The Extended Yale Face Database B中选取前十个人进行实验，每个人选取十四张照片，姿态一样，光照变化选取相对比较好的十四张。另外自建的人脸库为包括十个人，每个人十四张照片，光照有一定的变化。训练的时候选取四张光照变化比较明显的照片作为训练样本，这样可以保证其对光照有较好的鲁棒性，用剩下的十张照片进行识别。下面是几种光照处理的方法的识别结果。

表1 The Extended Yale Face Database B测试结果

表2 自建人脸库测试结果

实验结果分析：从以上实验结果可以看出，加光照处理比不加光照处理的识别率要高一些，其中自建的人脸库的识别率比 The Extended Yale Face Database B人脸库要低一些，可能是因为自建的人脸库的光照控制不是太好。从识别率上可以看出本文提出的小波分解光照补偿的方法明显稍微优于其他的几种光照补偿方法。

（四）结束语

隐马尔科夫是目前较为有效地人脸识别方法，然而光照对其识别影响较大，如何提高它对光照的鲁棒性是尚待解决的一个重要课题。本文提出了一种基于小波分解和恢复的补偿光照的方法，通过对图像进行多级小波分解，将分解的最后一级子带图像LLN的像素灰度值求平均，并赋给所有的的像素，之后进行小波恢复，这样就实现了对原图像的光照改善。最后将这种方法用于人脸识别中，并与其他的几种方法进行了对比，此方法能明显的提高识别率。但是本文提出的方法也有一定的局限性，其中要对图片进行大小归一化，如果不进行归一化，小波分解的级数就不能确定。

[1] 王映辉.人脸识别-原理、方法与技术[M].北京:科学出版社,2010.

[2] 王志良,蒙秀艳.人脸工程学[M].北京:机械工业出版社,2008.

[3] Turk M, Pentland A.. Eigenfaces for recognition[J]. Journal of Cognitive Neuroscience, 1991, 3(1).

[4] 李粉兰,唐文彦,段海峰,等分数次幂多项式核函数在核直接判别式分析中的应川[J].光学精密工程,2007,15(9).

[5] Sim T, Sukthankar R, Mullin M, er al.Memory-based face recognition for vistor identification[C]. Proceeding of the Forth IEEE International Conferernce on Automatic Face Gesture Recognition 2000,Grernable,France,2000.

TN911.73

A

1008-1151(2011)05-0035-02

2011-02-16

余龙华（1986－），男，安徽安庆人，电子科技大学电子工程学院硕士研究生，研究方向为人脸检测和识别。