CN101329728B - 一种基于汉明距离约束的局部二值模式lbp人脸光照预处理方法 - Google Patents

Abstract

一种基于汉明距离约束的LBP人脸光照预处理方法，以有效地消除图象中光照变化对人脸特征的影响，改善人脸识别对光照的鲁棒性，达到高识别率。采用的技术方案是：在匹配的数字图象处理软件的计算机的支持下实现的，对数字图像相关信息的采集、分类、修改并调整像素点阈值，对各个象素点按照坐标、灰度值进行编码，搜索出需要调整的编码，进行修复，预测像素点所属的模式类型，选择性地进行双向模式变换，还原图像输出结果。本发明的有益效果：消除了光照变化对人脸识别的影响，有效地改善人脸识别对光照的鲁棒性，提高了识别率。

Description

一种基于汉明距离约束的局部二值模式LBP人脸光照预处理方法

技术领域

本发明属于图像处理、计算机视觉、模式识别技术领域。特别涉及一种基于汉明距离约束的局部二值模式LBP人脸光照预处理方法。

背景技术

近年来人脸识别技术受到了极大的关注，得到了迅速的发展。人脸识别涉及图像处理、计算机视觉、模式识别和人工智能等学科，在刑事侦察、公共安全等领域具有广阔的应用前景。人脸识别是一个棘手而富有高度挑战性的研究领域，光照的强度、角度的变化以及传感器成像的缺陷使人脸的灰度分布存在较大的差异，降低了人脸识别率，对人脸的识别有关键性的影响，减少并消除这种影响的光照预处理方法是人脸识别技术的主要难点之一，发展新的光照预处理方法对提高人脸识别率有非常重要的意义。目前，人脸识别是图像处理和模式识别领域的一个研究热点，它涉及到模式识别、图像处理、计算机视觉、机器学习等多个学科领域。人脸识别和认证技术在国家安全、公安***和城市的公共安全等方面有着十分重要的应用前景。但光照变化降低了人脸识别率，是制约人脸识别技术的瓶颈之一。如何有效地对人脸图像进行光照纠正，减小光照的影响，是将人脸识别应用于实际中的一个至关重要的问题。

汉明距离也称为信号距离，表示在两个有相等距离的汉明码值相应位之间差异的数量，主要应用在息论、编码理论、密码学等领域。

局部二值模式(Local Binary Pattern，LBP)是一种不带参数的图像局部纹理描述符，对图像平移、缩放或像素值取对数等单调变换具有不变性，因此，LBP对人脸图像上光照的变化不敏感。但在面对复杂光照条件下的人脸图像时，但在面对复杂光照条件下的人脸图像时，存在如下不足：

(1)产生“白斑”现象：人脸图像是人脸反射率和人脸外形，以及光照三者的共同结果，在人脸图像中，额头、脸颊等肤色区域的反射率比较接近，高光和过亮、过暗、阴影等情况下，可能导致一片区域的像素灰度值相等。这样的一片区域经过LBP算子处理后的值恒为255，会出现整块“白斑”的现象，而这种“白斑”是不包含有用信息的。

(2)对图像噪声过于敏感：LBP算子中的比较阈值直接依赖于中心像素点的值，所以对中心像素点灰度值的变化非常敏感，在图像噪声较严重时，计算出的LBP值会产生很大的误差。

本发明基于LBP算子计算简单且对单调变化的灰度值具有不变性的优点，提出了一个对光照变化具有很好鲁棒性的光照预处理新方法。

发明内容

本发明的目的是为了有效地消除光照变化对人脸识别的影响，改善人脸识别对光照的鲁棒性，以达到高识别率。人脸识别的基本过程如图1所示。人脸图像的预处理对人脸的识别有关键性的影响。对该方法是在配的有数字图象处理软件的计算机的支持下实现的，该软件中包括用LBP算法对图像的进行预处理，包括对数字图像相关信息的采集、分类、编码、存储以及对中间数据存储区域的划分和对数据的操作，调用配套使用的图形处理软件程序，计算出图形各个像素点以及周围邻域上像素点的灰度值M，并根据灰度值M输出完整的图象，其特征在于改进人脸图像光照的处理方法的实现包括以下步骤：

1)在计算机及其图象管理软件的支持下，得到图象各个像素点灰度值V的数据集，并得到各个像素点与周围临域内8个像素点的灰度算术平均值M的数据集，分别编码并转存于中间寄存器中的指定区域，设定调节系数α的取值范围为：1≤α≤2，分别调取中间存储器中的各个象素点对应的M值按照M×α＝M运算后重新赋值，然后用重新赋值的M与对应象素点的原象素点灰度值V比对，当该点像素灰度值V小于M×(2-α)时，将对应阈值T设置为M×(2-α)，当该像素点灰度值V大于M×(2-α)但小于M×α时，将对应阈值T设置为V，将调整后的阈值T存储在中间存储器特定的区域内中，

2)对所获取的人脸图像各个象素点按照坐标、灰度值进行编码、分类，灰度相同的分为一类，对于图像中边界清楚的点，灰度值保留不变，找出图像中灰度值为255的“白斑”点记为V_(X，Y)255，准备进行修复，

3)对于正面和非正面人脸图像分别采用对称修复和近邻替代的方法来获取“白斑”点的修正灰度值，具体步骤为：

对带有标志符的“白斑”区域内的像素点的编码值参照中间存储单元中设定的V_(x，y)255进行比对调整，利用相对该“白斑”像素点关于人脸图像中心线对称像素点的灰度值替代该“白斑”像素点的灰度值，对于非正面的人脸图像中的像素点，采用与“白斑”像素点邻接的非突变像素点编码灰度值进行替代的方法，并将调整后的数据存入中间存储器中，

4)进一步的调整根据象素点的预测模式状态进行，借助图象处理软件对欲调整象素点的周边邻域中8个象素点的模式类型进行统计，邻域中非统一模式的个数不大于3时，则认为欲调整象素点为一个统一模式，邻域中非统一模式的个数不小于7时，则认为欲调整象素点为一个非统一模式，其余状态下视为不确定模式，将其预测结果放入中间存储器中，

5)将预测模式类型与实际模式类型进行比对：对于预测模式类型不确定的情况，保持中心像素点的编码值不变而不进行变换，对于预测模式确定的情况，根据预测出的欲调整象素点的模式类型，进行双向模式变换，形成新的象素点数据集，输出结果。

本发明提出了一种基于汉明距离约束的LBP人脸图像光照预处理方法将LBP算子和汉明距离纠错方法引入到光照预处理方法中，对图像数据信息进行运算，将像素点的灰度值和阈值存储在中间存储器中，并传输到图象处理模块中，对图象进行修复和调整，提高了人脸图象对于光照的鲁棒性。

附图说明

图1为人脸识别的基本过程。

图2本发明的光照预处理过程。

图3本发明的方法在不同光照条件下的人脸图像预处理效果。

具体实施方式

本发明提出了一种改进人脸图像光照预处理方法。通过将改进的LBP算子和汉明距离纠错方法引入到光照预处理方法中，对人脸图像进行光照预处理。本发明的预处理过程如图2所示。该方法是在配的有数字图象处理软件的计算机的支持下实现的，该软件中包括用LBP算法对图像的进行预处理，包括对数字图像相关信息的采集、分类、编码、存储以及对中间数据存储区域的划分和对数据的操作，调用配套使用的图形处理软件程序，计算出图形各个像素点以及周围邻域上像素点的灰度值M，并根据灰度值M输出完整的图象。在计算机硬件和相关的软件程序的支持下，光照预处理过程包括以下步骤：

1)在计算机及其图象管理软件的支持下，得到图象各个像素点灰度值V的数据集，并得到各个像素点与周围临域内8个像素点的灰度算术平均值M的数据集，分别编码并转存于中间寄存器中的指定区域，设定调节系数α的取值范围为：1≤α≤2，分别调取中间存储器中的各个象素点对应的M值按照M×α＝M运算后重新赋值，然后用重新赋值的M与对应象素点的原象素点灰度值V比对，当该点像素灰度值V小于M×(2-α)时，将对应阈值T设置为M×(2-α)，当该像素点灰度值V大于M×(2-α)但小于M×α时，将对应阈值T设置为V，将调整后的阈值T存储在中间存储器特定的区域内中。

2)对所获取的人脸图像各个象素点按照坐标、灰度值进行编码、分类，灰度相同的分为一类，对于图像中边界清楚的点，灰度值保留不变，找出图像中灰度值为255的“白斑”点记为V_(X，Y)255，准备进行修复，

3)对于正面和非正面人脸图像分别采用对称修复和近邻替代的方法来获取“白斑”点的修正灰度值，具体步骤为：

对带有标志符的“白斑”区域内的像素点的编码值参照中间存储单元中设定的V_(x，y)255进行比对调整，利用相对该“白斑”像素点关于人脸图像中心线对称像素点的灰度值替代该“白斑”像素点的灰度值，对于非正面的人脸图像中的像素点，采用与“白斑”像素点邻接的非突变像素点编码灰度值进行替代的方法，并将调整后的数据存入中间存储器中。具体过程为：对于大小为H×W的人脸图像，CPU调用相关程序经过阈值调整和LBP_8，1算子处理后，若其结果V_8，1(x，y)满足条件：

V_8，1(x，y)＝255 0≤x＜H，0≤y＜W    (1)

则称其为一个“白斑”组成点的LBP编码，并记为V_8，1(x，y)₂₅₅，放入存储器中，对于正面人脸图像，通过配套的图形处理软件程序，采用对称修复的方法来调整该编码的值，具体方法可由下式来描述：

$V_{\mathrm{8,1}}{(x,y)}_{255}=\left\{\begin{array}{cc}{V}_{\mathrm{8,1}}(x,W-y-1),& \mathrm{if}{V}_{\mathrm{8,1}}(x,W-y-1)\≠255\\ V_{\mathrm{8,1}}(x,y-1),& \mathrm{if}{V}_{\mathrm{8,1}}(x,W-y-1)=255\mathrm{andy}>0\\ V_{\mathrm{8,1}}(x-1,y),& \mathrm{if}{V}_{\mathrm{8,1}}(x-1,y)=255\mathrm{andy}=0\mathrm{andx}=0\\ 255& \mathrm{if}{V}_{8,1}(x,W-y-1)=255\mathrm{andy}=0\mathrm{angx}=0\end{array}\right.---\left(2\right)$

由于“白斑”一般出现在额头、脸颊等面积较大、纹理相近的肤色区域，所以对于准正面的人脸图像，式(2)仍然适用。而对于非正面的人脸图像，计算机程序则采用近邻替代的方法，可由下式来描述：

$V_{\mathrm{8,1}}{(x,y)}_{255}=\left\{\begin{array}{cc}{V}_{8,1}(x,y-1)& \mathrm{ify}>0\\ v_{8,1}(x-1,y)& \mathrm{ify}=0\mathrm{andx}>0\\ 255& \mathrm{ify}=0\mathrm{andx}=0\end{array}\right.---\left(3\right)$

利用上述方法调整“白斑”组成点的融合LBP编码，将调整后的结果放入中间存储器中。

4)进一步的调整根据象素点的预测模式状态进行，借助图象处理软件对欲调整象素点的周边邻域中8个象素点的模式类型进行统计，邻域中非统一模式的个数不大于3时，则认为欲调整象素点为一个统一模式，邻域中非统一模式的个数不小于7时，则认为欲调整象素点为一个非统一模式，其余状态下视为不确定模式，将其预测结果放入中间存储器中，

5)将预测模式类型与实际模式类型进行比对：对于预测模式类型不确定的情况，保持中心像素点的编码值不变而不进行变换，对于预测模式确定的情况，根据预测出的欲调整象素点的模式类型，进行双向模式变换，形成新的象素点数据集，输出结果。双向模式变换的具体方法为：若欲调整象素点的预测模式类型与其实际模式类型一致，则保持欲调整象素点的编码值不变；若欲调整象素点的预测模式类型与其实际模式类型不一致，则认为欲调整象素点的编码值是困“噪声”干扰而产生的错误编码，将欲调整象素点的编码值按照汉明距离最小的原则变换为与预测模式类型相同的模式。显然，计算机利用这种方法进行的变换是双向的，与原始汉明距离约束的方法相比较，不仅保存了部分非统一模式的信息，还纠正了部分由“噪声”干扰导致非统一模式出错而成为统一模式情况下的编码错误。

从图3第一行和第二行图像的比对可以看出，本发明所提出的方法使人脸图像轮廓更加清晰，对光照变化具有非常好的鲁棒性。

Claims (1)

1.一种基于汉明距离约束的局部二值模式LBP人脸光照预处理方法，该方法是在配的有数字图象处理软件的计算机的支持下实现的，该软件中包括用LBP算法对图像的进行预处理，包括对数字图像相关信息的采集、分类、编码、存储以及对中间数据存储区域的划分和对数据的操作，调用配套使用的图形处理软件程序，计算出图形各个像素点以及周围邻域上像素点的灰度值M，并根据灰度值M输出完整的图象，其特征在于改进人脸图像光照的处理方法的实现包括以下步骤：

1)在计算机及其图象管理软件的支持下，得到图象各个像素点灰度值V的数据集，并得到各个像素点与周围临域内八个像素点的灰度算术平均值M的数据集，分别编码并转存于中间寄存器中的指定区域，设定调节系数α的取值范围为：1≤α≤2，分别调取中间存储器中的各个象素点对应的M值按照M×α＝M运算后重新赋值，然后用重新赋值的M与对应象素点的原象素点灰度值V比对，当该点像素灰度值V小于M×(2-α)时，将对应阈值T设置为M×(2-α)，当该像素点灰度值V大于M×(2-α)但小于M×α时，将对应阈值T设置为V，将调整后的阈值T存储在中间存储器特定的区域内中，

2)对所获取的人脸图像各个象素点按照坐标、灰度值进行编码、分类，灰度相同的分为一类，对于图像中边界清楚的点，灰度值保留不变，找出图像中灰度值为255的“白斑”点记为V_(X，Y)255，准备进行修复，

3)对于正面和非正面人脸图像分别采用对称修复和近邻替代的方法来获取“白斑”点的修正灰度值，具体步骤为：

对带有标志符的“白斑”区域内的像素点的编码值参照中间存储单元中设定的V_(x，y)255进行比对调整，利用相对该“白斑”像素点关于人脸图像中心线对称像素点的灰度值替代该白斑像素点的灰度值，对于非正面的人脸图像中的像素点，采用与“白斑”像素点邻接的非突变像素点编码灰度值进行替代的方法，并将调整后的数据存入中间存储器中，

4)进一步的调整根据象素点的预测模式状态进行，借助图象处理软件对欲调整象素点的周边邻域中8个象素点的模式类型进行统计，邻域中非统一模式的个数不大于3时，则认为欲调整象素点为一个统一模式，邻域中非统一模式的个数不小于7时，则认为欲调整象素点为一个非统一模式，其余状态下视为不确定模式，将其预测的三种结果放入中间存储器中，

5)将预测模式类型与实际模式类型进行比对：对于预测模式类型不确定的情况，保持中心像素点的编码值不变而不进行变换，对于预测模式确定的情况，根据预测出的欲调整象素点的模式类型，进行双向模式变换，所述的双向模式变换，具体方法为：若欲调整象素点的预测模式类型与其实际模式类型一致，则保持欲调整象素点的编码值不变；若欲调整象素点的预测模式类型与其实际模式类型不一致，则认为欲调整象素点的编码值是因“噪声”干扰而产生的错误编码，将欲调整象素点的编码值按照汉明距离最小的原则变换为与预测模式类型相同的模式，形成新的象素点数据集，输出结果。

Images