论文部分内容阅读
摘 要：为了提高人脸检测图像的质量，本文提出了一种基于小波变换模型的人脸图像融合处理算法，该算法将两幅或者多福不同光照条件的人脸图像进行融合处理。该算法不仅可以改善光照条件对图像质量的影响，并且有效的消除了人脸图像的模糊边界。通过与其他同类算法的实验表明，本文提出的算法能有效地改善图像质量，减少不同光照条件对人脸检测准确率的影响。
关键词：图像融合；小波变换；图像配准；图像评价
中图分类号：TP391.41 文献标识码：A
1 引言（Introduction）
目前，在人脸图像采集过程中，采用图像融合方法解决光照对人脸采集质量的影响，成为一个重要研究方向。目前国内关于此方向的研究成果主要包括：基于彩色空间变换的图像融合算法，融合后的图像与原图像相同的色度和饱和度，而且空间分辨率提高很多，但是光谱失真很大，而且只能且必须用3个波段进行融合[1-3]。基于PCA（主成分分析）的图像融合算法，进行多光谱图像和全色图像的融合[4，5]。由于PCA变换的第1主分量的光谱特性与全色图像的光谱特性并不是完全一致，因此直接导致丢失部分多光谱图像的光谱信息，即容易造成光谱失真[6，7]。
本文通过对不同算法对于图像采集质量的分析，提出了一种新的基于小波变换的人脸图像融合处理方法。该方法充分考虑了光照对图像成像的多种影响因素，通过小波变换，对图像高低频分量分别处理。由于低频分解系数代表了人脸图像的主要特征，采用局部均方差算法进行融合，融合加权因子根据视觉系统均匀度测度的方法选取；由于高频分解系数代表人脸图像的细节特征，采用canny算子提取边缘特征，然后，再采用均方差取大原则融合。从而，本文算法既改善了图像的光照不均，也消除了局部处理所产生的模糊边界。通过对人脸采样图像的实验表明，该方法可以有效的减少光照对人脸检测准确率的影响。
2 小波人脸图像融合基本原理（The basic principle
of wavelet face image fusion）
2.1 图像的小波分解
图像经二维小波变换进行分解之后，可得到图像的低频分量、水平高频分量、垂直高频分量和对角分量。图1和图2所示为图像经三次小波分解的结果。
其中，L为图像的低频部分，代表了人脸的主要特征，H为图像的高频部分，每层包括水平、垂直与对角方向的高频分量，它们描述图像的细节部分。
4 结论（Conclusion）
本文提出的基于小波变换的人脸图像融合算法，实现了特征级的融合，简化了算法，提高了执行效率，该方法很好的改善了光照变换对于人脸图像采集的影响，提高了采集人脸图像的质量。在此基础上，进一步做了人脸检测试验。实验结果表明，该方法可以改善采集图像的质量，可以提高人脸检测的准确率，具有一定的可扩展性。
参考文献（References）
[1] TORTORICI C，WERGHI N，BERRETTI S.Boosting 3D LBP-Based Face Recognition by Fusing Shape and Texture Descriptors on the Mesh[C].International Conference on Image Processing，
2015：2670-2674.
[2] WERGHI N，BERRETTI S，DEL BIMBO A.The Meshlbp：A Framework for Extracting Local Binary Patterns from Discrete Manifolds[J].IEEE Transactions on Image Processing，2015，24（1）：220-235.
[3] LEI Y，et al.An Efficient 3D Face Recognition
Approach Using Local Geometrical Signatures[J].Pattern Recognition，2014，47（2）：509-524.
[4] HO H T，CHELLAPPA R.Pose-Invariant Face Recognion Using Markov Random Fields[J].Image Processing，IEEE Transactions on，2013，22 （4）：1573-1584.
[5] 胡敏，程天梅，王晓华.融合全局和局部特征的人脸识别[J].电子测量与仪器学报，2013，27（9）：817-822.
[6] 林奎成，王雪，谈宇奇.复杂光照下自适应区域增强人脸特征定位[J].仪器仪表学报，2014，35（2）：292-298.
[7] 胡正平，王宁，赵淑欢.稀疏扩展宇典学习的代价敏感单样本人脸认证[J].仪器仪表学报，2015，36（4）：729-735.
[8] 苑玮琦，于清澄.一种基于改进主成分分析的人脸识别算法[J].激光与红外，2007，37（5）：478-480.
[9] 黄华，等.基于粒子滤波的人脸图像超分辨率重建方法[J].软件学，2006，17（12）：2529-2536.
作者简介：
梁立哲（1971-），男，博士，副教授.研究领域：图像处理与图
像识别.
关键词：图像融合；小波变换；图像配准；图像评价
中图分类号：TP391.41 文献标识码：A
1 引言（Introduction）
目前，在人脸图像采集过程中，采用图像融合方法解决光照对人脸采集质量的影响，成为一个重要研究方向。目前国内关于此方向的研究成果主要包括：基于彩色空间变换的图像融合算法，融合后的图像与原图像相同的色度和饱和度，而且空间分辨率提高很多，但是光谱失真很大，而且只能且必须用3个波段进行融合[1-3]。基于PCA（主成分分析）的图像融合算法，进行多光谱图像和全色图像的融合[4，5]。由于PCA变换的第1主分量的光谱特性与全色图像的光谱特性并不是完全一致，因此直接导致丢失部分多光谱图像的光谱信息，即容易造成光谱失真[6，7]。
本文通过对不同算法对于图像采集质量的分析，提出了一种新的基于小波变换的人脸图像融合处理方法。该方法充分考虑了光照对图像成像的多种影响因素，通过小波变换，对图像高低频分量分别处理。由于低频分解系数代表了人脸图像的主要特征，采用局部均方差算法进行融合，融合加权因子根据视觉系统均匀度测度的方法选取；由于高频分解系数代表人脸图像的细节特征，采用canny算子提取边缘特征，然后，再采用均方差取大原则融合。从而，本文算法既改善了图像的光照不均，也消除了局部处理所产生的模糊边界。通过对人脸采样图像的实验表明，该方法可以有效的减少光照对人脸检测准确率的影响。
2 小波人脸图像融合基本原理（The basic principle
of wavelet face image fusion）
2.1 图像的小波分解
图像经二维小波变换进行分解之后，可得到图像的低频分量、水平高频分量、垂直高频分量和对角分量。图1和图2所示为图像经三次小波分解的结果。
其中，L为图像的低频部分，代表了人脸的主要特征，H为图像的高频部分，每层包括水平、垂直与对角方向的高频分量，它们描述图像的细节部分。
4 结论（Conclusion）
本文提出的基于小波变换的人脸图像融合算法，实现了特征级的融合，简化了算法，提高了执行效率，该方法很好的改善了光照变换对于人脸图像采集的影响，提高了采集人脸图像的质量。在此基础上，进一步做了人脸检测试验。实验结果表明，该方法可以改善采集图像的质量，可以提高人脸检测的准确率，具有一定的可扩展性。
参考文献（References）
[1] TORTORICI C，WERGHI N，BERRETTI S.Boosting 3D LBP-Based Face Recognition by Fusing Shape and Texture Descriptors on the Mesh[C].International Conference on Image Processing，
2015：2670-2674.
[2] WERGHI N，BERRETTI S，DEL BIMBO A.The Meshlbp：A Framework for Extracting Local Binary Patterns from Discrete Manifolds[J].IEEE Transactions on Image Processing，2015，24（1）：220-235.
[3] LEI Y，et al.An Efficient 3D Face Recognition
Approach Using Local Geometrical Signatures[J].Pattern Recognition，2014，47（2）：509-524.
[4] HO H T，CHELLAPPA R.Pose-Invariant Face Recognion Using Markov Random Fields[J].Image Processing，IEEE Transactions on，2013，22 （4）：1573-1584.
[5] 胡敏，程天梅，王晓华.融合全局和局部特征的人脸识别[J].电子测量与仪器学报，2013，27（9）：817-822.
[6] 林奎成，王雪，谈宇奇.复杂光照下自适应区域增强人脸特征定位[J].仪器仪表学报，2014，35（2）：292-298.
[7] 胡正平，王宁，赵淑欢.稀疏扩展宇典学习的代价敏感单样本人脸认证[J].仪器仪表学报，2015，36（4）：729-735.
[8] 苑玮琦，于清澄.一种基于改进主成分分析的人脸识别算法[J].激光与红外，2007，37（5）：478-480.
[9] 黄华，等.基于粒子滤波的人脸图像超分辨率重建方法[J].软件学，2006，17（12）：2529-2536.
作者简介：
梁立哲（1971-），男，博士，副教授.研究领域：图像处理与图
像识别.