彩色图像人脸高光区域的自动检测与校正方法

人脸检测和识别受不同环境照明的影响很大,彩色图像中人脸高光区域的自动检测和辐射校正有助于对人脸的正确分析和识别.提出了一种在TSL(tint-saturation-luminance)彩色空间基于双色反射模型进行高光检测和辐射校正的新方法.通过考察肤色在各种不同彩色空间中的分布形态,以及对皮肤光谱反射特性的分析,采用关键的2维平面代替3维彩色空间进行高光分析.一方面降低了算法复杂度,另一方面又可以在序贯主分量分析中提出特征值比值,迅速而准确地自动检测是否有皮肤高光区域的存在,同时还可以鲁棒地确定皮肤双色反射矢量,应用双色反射模型进行肤色高光区域的辐射校正.  

基于最佳分析窗口的高光检测

物体上的高光直接影响计算机视觉领域的很多操作,比如图像分割、边缘检测、视频中物体的跟踪等.该方法基于双色反射模型,提出了最佳分析窗口的概念.在最佳分析窗口的基础上,分析窗口中像素的亮度、色彩、以及位置信息,组成五维特征向量,利用K-means算法在向量空间的聚类结果得到漫反射像素族,从而估计出全局漫反射色度,并以此检测图像中的高光像素.最后,利用Tan等提出的STD机制从原图像中分离出漫反射分量和镜面反射分量.该方法无需交互操作,不受相机噪声为线性的限制,比同类算法更容易实现且效果更佳.  

基于表面形态分布的单幅灰度图像高光检测

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,由于只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测图像高光的方法.首先,利用成像过程信息,对表面法向量进行估计;其次,基于物理光照模型,通过模拟退火算法最小化亮度误差函数,计算漫反射成分和镜面反射成分;然后,定位高光区域;最后,给出了基于曲率连续性假设的约束补色方法.通过对仿真图像和真实图像的高光检测及表面恢复,验证了提出的算法具有良好的稳定性,提高了镜面高光图像的表面恢复精度.