复杂光照条件下2DDWT+2DPCA算法在不同人脸库上的研究

林小明

摘 要：人脸图像在实际采集过程中会严重受光照条件变化的影响，本文围绕复杂光照问题展开，在ORL人脸库和Yale B人脸库采用2DPCA+2DDWT算法提取复杂光照条件下的人脸图像特征，验证其鲁棒性。

关键词：复杂光照；特征提取；2DPCA+2DDWT

一、人脸识别系统概述

人脸识别系统是生物模式识别的一种，可分为六个部分：图像获取、人脸检测、人脸定位、图像预处理、特征提取及图像分类。特征提取方法有基于几何特征的方法、基于小波理论的人脸识别方法和神经网络的方法等，目前对人脸特征提取的研究较多的方法还包括：弹性图匹配法、KL变换法、奇异值分解法以及混合法等。

二、ORL人脸库和Yale B介绍

ORL人脸库是由英国剑桥Olivetti实验室于1992年4月至1994年4月期间拍摄的一系列人脸图像组成。该数据库共包括40个人的400张人脸图像，他们包括从18岁到81岁不等的年龄阶段、不同种族的人群，其中男性为36人，女性为4人。每个研究对象包括10副分辨率为92*112的灰度图像。每张图像的背景均为黑色，每人的表情包括严肃、不笑、微笑、笑等，人脸的姿态也千差万别。

Yale B人脸库是由美国Yale大学的计算机视觉与控制中心创建。该数据库是包括165张人脸的多姿态、多表情、多光照变化的人脸库，共有15个人，每个人含有11张从不同的角度包括左光源、右光源、中心光源、戴眼镜、不戴眼镜、正规图像、高兴、悲伤、睡姿、惊奇和泛眼。每个人的人脸图像的表情、姿态、光照变化都非常大。所有实验人脸图像的像素都统一为192*168，格式为.gif。

三、基于2DDWT+ 2DPCA算法的人脸特征提取方法

（一）2DDWT+ 2DPCA算法分析

良好的特征能够有效地避免人脸图像的表情、姿态以及光照等因素的影响，提取人脸图像中的稳定特征是人脸识别的关键技术。由Jian 等人提出的2DPCA特征提取方法能够直接实现对二维人脸图像信息的降维处理，但不能够有效地解决光照变化的影响，因此在有些光照复杂的人脸库中识别效果不理想。

小波变换具有良好的时频局部变化能力，在数字图像处理领域广泛应用。基于2DDWT +2DPCA算法的人脸特征提取方法，能够同时利用二维离散小波变换获取人脸图像的低频分量，去除了人脸高频分量的影响，提高算法对光照和表情变化等因素的稳定性，弥补2DPCA算法在特征提取方面的不足，而且可以有效的利用2DPCA算法的降维作用。

本次试验中，我们先利用二维离散小波变换分别在ORL人脸数据库、Yale B人脸数据库中的所有人脸图像进行二级DB2小波分解得到四幅子图像：一个低频的图像A11和三个高维图像（A1h，Ah1，Ahh），由于低频的图像集中了人脸图像的大部分能量，具有最大的分类能力，所以先使用人脸图像的低频部分进行人脸图像的特征提取。把经过小波变换的训练集人脸图像的所有低频部分经过2DPCA处理，得到最优的特征矢量集W，再分别把训练集低频人脸图像系数矩阵和测试集人脸图像系数矩阵在最优特征矢量集W上进行投影，分别得到小波训练集特征矩阵和测试集特征矩陣，最后把所有的训练特征矩阵和测试特征矩阵输入到KNN分类器，输出人脸识别的结果。

（二）算法在两个人脸库识别结果及分析

在ORL人脸库中，选取每个人的前5张图像作为训练样本，后5张图像作为测试样本，训练样本共包括200张人脸图像，测试样本包括200张不同人脸的图像。在对人脸图像的训练样本进行基于2DPCA最优投影向量选取时，特征量的数目分别定为5、7、…、15。Yale B人脸库中，我们提取每个人图像的前6张作为训练样本，后5张作为测试样本。2DDWT+2DPCA在人脸特征数不同的情况下进行人脸识别的研究结果表1所示。

基于2DDWT+2DPCA算法在ORL人脸数据库的识别率最高98.25%，最低97.50%；在Yale B上识别率最低为98.79%，最高为99.39%，识别率高，表明该算法进行人脸特征提取对特征量个数的选择具有良好的鲁棒性；随着人脸特征数目增加，相应的识别时间也增加。

2DDWT+2DPCA算法在不同的训练样本（80，120，160，200）下的识别结果分别是94.38%、96.67%、97019%、98.25%。随着训练样本集中人脸图像的增加，基于2DDWT+2DPCA相融合的算法进行特征提取的人脸识别效果也在增高。

在MATLAB2014a上实现了2DPCA+2DDWT相融合，并对2DDWT

+2DPCA的特征提取算法分析和验证，2DDWT+2DPCA是复杂光照条件下的最优特征提取算法。

参考文献：

[1] 周翔，方文俊，罗斌，汤进.基于加权小波子带图像的贝叶斯人脸识别算法.北京交通大学学报，23（11），2013：26-33.

[2] 许永刚.复杂光照条件下人脸识别关键技术研究.电子科大学，2013，3，15.

[3] 戚大方，吴成东，基于小波变换与支持向量机的人脸识别.科技信息，2009，35.