一种人脸图像采集设备属性归一化的方法

摘要

本发明属于图像处理技术领域，涉及一种人脸图像采集设备属性归一化的方法，包括：用摄像机、照相机、数码相机三种人脸图像采集设备分别N幅人脸图像，并先转换成灰度图像；对采集的N幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图；指定标准设备和待转换的设备；对待转换设备所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；计算该待转换设备所采集的人脸图像每一个象素点的灰度次序号；并对其象素的灰度值进行重新赋值，形成一幅过渡图像；将待转换设备所采集的人脸图像和所述的过渡图像在象素级进行融合，最终形成所述采集设备属性归一化的图像。本发明可提高用不同采集设备所采集的人脸图像进行的人脸识别的识别率。

主权项

1、一种人脸图像采集设备属性归一化的方法，其特征在于：包括训练过程和归一化过程两部分；其中，训练过程包括以下步骤：1)首先用各种人脸图像采集设备分别采集N幅人脸图像，N大于15，如果输入图像是彩色图像，则先转换成灰度图像，将获得的彩色图像转换为灰度图像的方法为：Y＝0.299R+0.589G+0.114B其中Y为灰度值，R、G、B分别为彩色图像的红、绿、蓝基色分量；2)将所述各人脸图像采集设备采集的N幅人脸图像进行训练，计算模式类中心分布函数，得到各人脸图像采集设备的模式类中心累计图，具体方法为；(1)该类设备采集的用于训练的每一幅人脸图像的灰度直方图表示为：p(y)Gray(g) g＝0，1，…，255 y＝1，2，…，N其中，y表示训练人脸图像的序号，g表示人脸图像象素的灰度值；(2)定义模式类中心累计分布函数为：pDevice(g) g＝0，1，…，255；(3)定义灰度为g时的模式类中心分布值为B(g)，则各设备的模式类中心分布函数为：pDevice(g)＝B(g)+pDevice(g-1)当g＝0时，pDevice(g-1)＝0；计算B(g)的方法为：(31)首先计算在g＝0时的模式类中心值B(0)：其步骤为：设第1幅与第2幅图像在灰度为“0”时的类中心点的值为k1，精确半径为r1，则：k1＝(p(1)Gray(0)+p(2)Gray(0))/2；r1＝|(p(1)Gray(0)-p(2)Gray(0))|/2；第3幅图像在灰度为“0”时与第1幅和第2幅图像在灰度为“0”时的类中心点的值k1的误差T为：T＝|p(3)Gray(0)-k1|，当T≤r1时，则第1、2与第3幅图像的类中心点的值k2不变，即k2＝k1，精确半径r2不变，即r2＝r1；而当T＞r0时，k2＝(k1+p(3)Gray(0))/2，r2＝|(k1-p(3)Gray(0))|/2，照此方法，算出第1、2…(N-1)幅图像与第N幅图像的类中心点的值kN-1；则B(0)＝kN-1，即在灰度值“0”点的模式类中心累计分布值pDevice(0)＝B0；(32)然后按照计算在g＝0时的模式类中心分布值的方法，再计算在g＝1时的模式类中心值B(1)，得到在灰度值“1”点的模式类中心累计分布值pDevice(1)＝B(1)+pDevice(0)；由此规律，灰度为g时的模式类中心分布值为B(g)，则模式类中心累计分布函数为：pDevice(g)＝B(g)+pDevice(g-1)；归一化过程包括以下步骤：3)确定属性归一化目的，指定标准设备和待转换的设备；4)对待转换设备所采集的一幅人脸图像进行直方图统计，得到该幅图像的直方图的累计图；该幅图像的直方图累计分布函数为：pDevice(g)＝pGyay(g)+pDevice(g-1)式中，pGray(g)，g＝0，1，…，255，为该人脸图像的直方图当g＝0时，令pDevice(g-1)＝0；计算该待转换设备所采集的人脸图像每一个象素点的灰度次序号，其具体方法为：(1)定义象素点B(i，j，g，t)，其中i、j为象素点B的平面坐标，g是该点的灰度值，t是该点在全图内灰度值为g的点的集合中的序号；(2)遍历全图统计全图中灰度值等于g的象素点数，记为K，灰度值g的取值范围是0-255；(3)对每一个灰度值等于g的点，都分别计算以该点为中心的M×N邻域的均值，M、N大于等于2；(4)对该K个均值按从小到大进行排序，如果均值相等，则可以按i*j数值从小到大的顺序决定序号，该均值序号为对应的象素点B(i，j，g，t)的灰度次序号；5)根据第4)步骤中的直方图的累计图、第2)步骤中得到的标准设备的模式类中心累计图，以及第6)步中对该待转换设备所采集的人脸图像每一个象素点的灰度次序号对其象素的灰度值进行重新赋值，形成一幅过渡图像，形成一幅过渡图像图像具体做法是：(1)在待转换设备所采集的人脸图像的直方图累计图中，从“0”灰度值开始查找，如果“0”灰度值对应的直方图累计值为“0”，再查找“1”灰度值对应的直方图累计值，直到该灰度值对应的直方图累计值不为“0”为止，此时记作P1g1，g1为灰度值，P1为g1灰度值对应的直方图累计值；(2)再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P1所对应的灰度值G1，查看标准设备的模式类中心累计图中比G1低的灰度值所对应的模式类中心累计值，找到第1个不为“0”的模式类中心累计值所对应的灰度值G0，(3)按照标准设备的模式类中心累计图中G0～G1段对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值，赋值具体方法为：(31)设在待转换设备所采集的人脸图像中，全图为W×H点阵，第1个灰度值为g1对应的直方图累计值不为“0”的直方图累计值为P1，则全图中灰度为g1的象素个数N为：N＝P1×W×H，而模式类中心累计图中G0～G1的象素个数也为N个；(32)将待转换设备所采集的人脸图像中灰度为g1的象素按照灰度次序号从小到大的顺序，按模式类中心累计图中G0～G1的灰度数值进行赋值；(4)再查找灰度值g2(g2＝g1+1)对应的直方图累计值P2，再到标准设备的人脸图像采集设备的模式类中心累计图查找类中心累计值为P2所对应的灰度值G2，按照标准设备的模式类中心累计图中G1～G2对应的模式类中心累计值的具体数值对待转换设备所采集的人脸图像进行重新赋值；赋值具体方法为：在待转换设备所采集的人脸图像中，灰度值在g1～g2的象素个数为N，N＝(P2-P1)×W×H，而模式类中心累计图中G1～G2的象素个数也为N个，将待转换设备所采集的人脸图像中灰度为g2的象素按值灰度次序号从小到大的顺序，按模式类中心累计图中G1～G2的灰度数值进行赋值；(5)照此方法，完成待转换设备所采集的人脸图像象素的各灰度值重新赋值，形成一幅过渡图像；6)将待转换设备所采集的人脸图像和所述的过渡图像在象素级进行融合，最终形成采集设备属性归一化的图像E(i，j)为；E(i，j)＝(C(i，j)+D(i，j))/2式中，C(i，j)为待转换设备所采集的人脸图像，D(i，j)为过渡图像。