面向人脸图像光照预处理的光照质量定量分析

人脸识别算法在非理想光照条件下识别率急剧下降，光照预处理方法能在一定程度上削弱光照变化，但也破坏了有利于后续识别的人脸信息。本项目拟在前期"光照质量指数"定性研究的基础上，通过对光照不均匀程度的定量分析，提出"光照质量量化模型"，将模型与后续的光照预处理方法结合，提升光照预处理方法的性能。.研究内容包括：1）选取具有边缘保持功能的低通滤波方法估计光照，采用多次迭代的方法使得光照估计收敛，建立不同光照类型人脸图像的子空间，分析光照不均匀程度的统计分布规律；2）通过relighting方法反演与人脸图像光照不均程度相关的参数，并与光照估计结果建立量化关系，通过随机模拟方法建立"光照质量量化模型"；3）改进retinex模型，在模型中引入对侧光、阴影的处理，将"光照质量量化模型"嵌入光照预处理方法中，提高光照预处理算法的光照鲁棒性。

课题组提出光照不均匀程度的定量分析方法；建立“光照质量量化模型”；提出基于“光照质量量化模型”的鲁棒光照预处理方法；出版学术专著1部，发表学术论文9篇（其中SCI收录2篇，EI收录6篇），获得国家发明专利1项；培养研究生7人。项目的完成情况及取得成果如下:.1）光照不均程度的定量分析。课题组利用高斯低通滤波方法进行光照估计。确定描述光照不均匀程度的各种因素。光照方向、视角是对光照影响最大的因素，所以课题组以光照的高度角和方位角作为参数。获得每一个角度下的人脸光照估计图像。通过对这些人脸图像进行离散余弦变换，提取不同角度下的低频系数，通过对低频系数和离散余弦反变换图像的分析，对不同光照方向的人脸图片进行分析，分别采用PCA、LDA两种方法对只含有光照估计的人脸图像进行分类以此达到对光照的量化评价。.2）根据光照估计及影响人脸光照不均匀程度的因素，建立“光照质量量化模型”。根据Yale B人脸库的64类光照条件各个角度之间的关系，采用相似度的方法将64类光照条件重新划分成7类。然后再对分类的结果进行检验，实验结果表明能够达到很好的分类效果。输入任意一张人脸图像，就可以知道它的光照的偏转程度，从而能够对偏光图像进行自适应的处理。通过研究基于球面谐波模型的人脸识别方法，可以用一个通用的三维人脸估计出任意输入图像的二维球面谐波基前9个球面谐波基，再由最小二乘法可以得到输入图像对应的9个球面谐波基的系数。球面谐波基的系数就可以作为光照方向n的3个分量的估计，也就得到了量化的光源方向。得到量化的光源方向后，就可以根据光源方向对人脸图像进行自适应的光照预处理。.3）将“光照质量量化模型”嵌入光照预处理方法中，提出了一种光照自适应的人脸识别预处理算法，.能够根据光照条件自适应调整光照预处理中的参数，实现光照自适应预处理。首先使用光照质量指数对人脸图像光照的整体情况进行描述，并创建光照预处理方法参数自适应调整模型。该模型能够根据人脸光照质量指数调整光照预处理算法的参数，使得不同光照条件下的图像得到与之相适应的处理，从而提升人脸识别率。