本发明专利技术公开了一种具有光照鲁棒性的图像特征提取方法，包括步骤：1、图像信号的采集、上传及分辨率调整；2、图像特征提取，其过程如下：二维小波变换，将经二维小波变换后的低频分量变换到对数空间，用k种不同的高斯滤波系数与对数空间中的低频小波系数做卷积计算，对卷积结果与对数空间中的低频小波系数的偏差进行加权平均，对加权平均结果进行灰度值线性拉伸，将小波域中的三种高频系数与用来显示的灰度值作二维小波反变换，重复以上步骤，对L个图像信号进行采集处理并对处理所得到的图像信号进行特征提取；3、处理结果同步输出。本发明专利技术设计合理、实现方便且投入成本低，操作简便，图像处理效果好，提高了对光照变换的鲁棒性，实用性强。
【技术实现步骤摘要】
本专利技术属于图像处理
，尤其是涉及。
技术介绍
目前，对光照变化的图像特征提取中，通常有以下几种处理光照变化的方法1、基于传统的图像预处理方法，如直方图均衡、Gamma变换等。此类算法复杂度较低，运算速度较快，但在性能上往往难以达到理想的效果；2、抽取具有光照鲁棒性的特征点方法，对图像进行浮雕化处理(embossing)和采用边缘图表示方法等。这些方法在光照条件变化不大的情况下，可以获得比较好的识别效果。但是，当光照条件变化比较大时，效果不是很明显；3、基于光照模型，比较典型的如光照锥(Illumination Cone)、熵图像(Quotient Image)、球谐函数(Spherical Harmonic)等模型，此类方法理论性强，试图通过数学理论结合光度学理论，给光照变化建立统一的模型。该方法在进行人脸识别时，假设人脸是朗伯表面，并假设观测图像中没有阴影区域出现，有很大的局限性；4、基于人类感知模型，比较典型的为Retinex算法，该算法利用了人的视网膜、大脑皮层构造亮度和颜色的感知模型，对光照变化图像的补偿有明显效果，但是图像的对比度和亮度的乘积较小。综上所述，现有技术中的图像特征提取方法存在着对光照的鲁棒性差、分类识别效果差、具有局限性等缺陷和不足，例如当在视频监控、人机交互、身份认证等领域需要进行人脸识别时，在光照变化的情况下，现有技术中的图像特征提取方法导致人脸识别的效果差，不能很好地满足实际应用的需求。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供，其设计合理、实现方便且投入成本低，操作简便，图像处理速度快、效果好，提高了对光照变换的鲁棒性，实用性强。为解决上述技术问题，本专利技术采用的技术方案是，其特征在于该方法包括以下步骤步骤一、图像信号的采集、上传及分辨率调整图像采集设备采集图像信号并将其实时所采集的图像信号通过图像信号传输装置上传给处理器，处理器调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为一定值，得到图像fc^x，y)；步骤二、图像特征提取通过处理器对步骤一中所得到的图像fdhy)进行分析处理，得出图像的特征P，其分析处理过程如下201、二维小波变换处理器调用二维小波变换模块对图像f^x，y)进行二维小波变换，得到权利要求1. ，其特征在于该方法包括以下步骤 步骤一、图像信号的采集、上传及分辨率调整图像采集设备(1)采集图像信号并将其实时所采集的图像信号通过图像信号传输装置( 上传给处理器(3)，处理器C3)调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为一定值，得到图像f。(x，y)；步骤二、图像特征提取通过处理器C3)对步骤一中所得到的图像fdhy)进行分析处理，得出图像的特征P，其分析处理过程如下·201、二维小波变换处理器C3)调用二维小波变换模块对图像fjx，y)进行二维小波变换，得到2.按照权利要求1所述的，其特征在于步骤207中进行特征提取之后，还需采用处理器C3)调用RBF神经网络分类识别模块，对步骤 207中所得出的L个图像的特征P进行分类识别，得出图像分类识别结果并通过显示器(4) 进行同步显示。3.按照权利要求1所述的，其特征在于 所述处理器C3)调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为128X128o4.按照权利要求1所述的，其特征在于步骤201中的小波识(-A->0为Daubechies小波。5.按照权利要求1所述的，其特征在于步骤204中N取值为3。6.按照权利要求1所述的，其特征在于步骤205中G取值为3，offset取值为50。7.按照权利要求1所述的，其特征在于步骤207中处理器C3)调用定点独立分量分析模块，对L个经过步骤201 206处理所得到的图像信号进行特征提取的步骤如下2071、将L个经过步骤206处理后的图像分别按行展开后再进行组合，形成一个L行、 MXN 列的矩阵 X = (χ” x2, X3, A, xL)T ；2072、对矩阵X进行均值化，使得E(X) = 0 ；2073、对矩阵X进行白化处理，使得E(Xl) = I ；2074、初始化独立分量的个数，使得n= 1，其中，n为独立分量的个数；2075、初始化wn,随机选取wn= wn/ I I wn I I ；2076、根据公式Wn = E{Xg(wnTX)}-E{g' (wnTX)} wn，求取 wn ；n+\2077、根据公式=w +1-YjWjCWnWn ,迭代出 Wn+1 ；i=\ n+\2077、根据公式=wn+l-Σ、/0^1^和 wn+1 = wn+1/ |wn+1| I，迭代出 wn+1 ；i=\2078、判断步骤2077中得到的wn+1是否收敛，如果wn+1不收敛，返回步骤2075；2079、取η= η+1，在η < M的情况下，重复步骤2074 2078，逐一提取出所有的独立分量；20710、将各个独立分量构成矩阵S= (Sl, s2, Λ，Sp)τ，根据公式P = FS-1计算出L个图像的特征P。8.按照权利要求2所述的，其特征在于所述RBF神经网络分类识别模块为MATLAB神经网络工具箱提供的神经网络设计、训练和仿真的函数。9.按照权利要求1、7或8所述的，其特征在于所述处理器(3)为计算机。全文摘要本专利技术公开了，包括步骤1、图像信号的采集、上传及分辨率调整；2、图像特征提取，其过程如下二维小波变换，将经二维小波变换后的低频分量变换到对数空间，用k种不同的高斯滤波系数与对数空间中的低频小波系数做卷积计算，对卷积结果与对数空间中的低频小波系数的偏差进行加权平均，对加权平均结果进行灰度值线性拉伸，将小波域中的三种高频系数与用来显示的灰度值作二维小波反变换，重复以上步骤，对L个图像信号进行采集处理并对处理所得到的图像信号进行特征提取；3、处理结果同步输出。本专利技术设计合理、实现方便且投入成本低，操作简便，图像处理效果好，提高了对光照变换的鲁棒性，实用性强。文档编号G06K9/46GK102289670SQ20111025538公开日2011年12月21日 申请日期2011年8月31日 优先权日2011年8月31日专利技术者冯兴乐, 李伟, 焦立男, 王江安, 高涛 申请人:长安大学本文档来自技高网...
【技术保护点】
１．一种具有光照鲁棒性的图像特征提取方法，其特征在于该方法包括以下步骤：步骤一、图像信号的采集、上传及分辨率调整：图像采集设备（１）采集图像信号并将其实时所采集的图像信号通过图像信号传输装置（２）上传给处理器（３），处理器（３）调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为一定值，得到图像ｆ０（ｘ，ｙ）；步骤二、图像特征提取：通过处理器（３）对步骤一中所得到的图像ｆ０（ｘ，ｙ）进行分析处理，得出图像的特征Ｐ，其分析处理过程如下：２０１、二维小波变换：处理器（３）调用二维小波变换模块对图像ｆ０（ｘ，ｙ）进行二维小波变换，得到：其中，为ｆ０（ｘ，ｙ）变换后的低频分量，为ｆ０（ｘ，ｙ）变换后的水平高频分量，为ｆ０（ｘ，ｙ）变换后的垂直高频分量，为ｆ０（ｘ，ｙ）变换后的对角线高频分量，φ（－ｘ，－ｙ）为尺度函数，为相应的小波；ｘ和ｍ均为图像的横向坐标，ｙ和ｎ均为图像的纵向坐标；２０２、处理器（３）调用对数变换模块，将经二维小波变换后的低频分量变换到对数空间，得到：２０３、处理器（３）调用卷积计算模块，并使用ｋ种不同的高斯滤波系数Ｆｋ（ｘ，ｙ）与对数空间中的低频小波系数Ｉ（ｘ，ｙ）进行卷积计算，得到：其中，ｋ为高斯滤波系数的种类数；２０４、处理器（３）调用加权平均计算模块，对卷积计算所得结果ｇｋ（ｘ，ｙ）与对数空间中的低频小波系数Ｉ（ｘ，ｙ）的偏差进行加权平均计算，得到：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）Ｎ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｓｕｂ）?（ｍｉ）Ｗ（／ｍｉ）?（ｍｉ）ｋ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）｛（／ｍｏ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）ｇ（／ｍｉ）?（ｍｉ）ｋ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｝（／ｍｏ）?（ｍｏ），（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，Ｎ为不小于３的自然数；２０５、处理器（３）调用均值方差归一化处理模块，对步骤２０４中所得到的加权平均结果Ｒ（ｘ，ｙ）进行灰度值线性拉伸，得到：Ｒ′（ｘ，ｙ）＝Ｇ×Ｒ（ｘ，ｙ）＋ｏｆｆｓｅｔ，（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｐ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）２５５（／ｍｎ）?（ｍｏ）＆ｔｉｍｅｓ；（／ｍｏ）?（ｍｆｒａｃ）?（ｍｒｏｗ）?（ｍｓｕｐ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）ｒ（／ｍｉ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｒｏｗ）?（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）ｒ（／ｍｉ）?（ｍｉ）ｍａｘ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）ｒ（／ｍｉ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（ｍｏ），（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，Ｒ′（ｘ，ｙ）为图像小波系数的变换输出值，Ｒ″（ｘ，ｙ）为均值方差归一化后用来显示的灰度值，Ｇ为增益系数，ｏｆｆｓｅｔ为Ｒ′（ｘ，ｙ）的偏移量，ｒｍｉｎ为修正后图像小波系数中的最小值，ｒｍａｘ为修正后图像小波系数中的最大值；２０６、处理器（３）调用二维小波反变换模块，将步骤２０１中所得到的小波域中的三种高频分量和与步骤２０５中所得到的用来显示的灰度值Ｒ″（ｘ，ｙ）作二维小波反变换，得到分辨率为Ｍ×Ｈ的图像ｆ１（ｘ，ｙ），其中Ｍ和Ｈ均为自然数；２０７、重复步骤一与步骤二中的步骤２０１～２０６，对Ｌ个图像信号进行采集、处理，处理器（３）调用定点独立分量分析模块，对...
【技术特征摘要】
【专利技术属性】
技术研发人员：高涛，冯兴乐，王江安，焦立男，李伟，
申请(专利权)人：长安大学，
类型：发明
国别省市：87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。