1、第 44 卷第 3 期2023 年 3 月激光杂志LASE JOUNALVol.44，No.3March，2023http /www laserjournal cn收稿日期:20220806基金项目:山西省软科学研究计划项目(No 20190410137)作者简介:杨天敏(1986)，女，研究生，讲师，主要研究方向:计算机应用技术。偏振图像融合的人脸图像增强研究杨天敏，王晓燕太原学院计算机科学与技术系，太原030032摘要:为提升人脸图像的整体质量，便于人脸图像的快速精准识别与处理，提出了基于偏振图像融合的人脸图像增强方法。首先获得人脸光强图像与偏振度图像，结合小波包变换方法分解和融合两种人脸
2、图像的高、低频信息，实现人脸图像的增强处理。实验结果表明，该方法所获得的人脸增强图像可保留原有图像的低频信息，增强后的人脸图像清晰度高，脸部细节与轮廓特征明显，信息量与反差对比度较高，整体综合质量较好，增强效果较为理想。关键词:偏振图像;光强图像;图像融合;人脸图像增强;小波包变换;高频系数中图分类号:TN219文献标识码:Adoi:10.14016/j cnki jgzz.2023.03.148Face image enhancement based on polarization image fusionYANG Tianmin，WANG XiaoyanDepartment of comp
3、uter science and technology，Taiyuan College，Taiyuan 030032，ChinaAbstract:In order to improve the overall quality of face image and facilitate the rapid and accurate recognitionand processing of face image，a face image enhancement method based on polarization image fusion is proposed First-ly，the fac
4、e light intensity image and polarization image are obtained Combined with the wavelet packet transformmethod，the high and low frequency information of the two face images are decomposed and fused to realize the en-hancement of face image The experimental results show that the face enhancement image
5、obtained by this method canretain the lowfrequency information of the original image The enhanced face image has high definition，obvious facialdetails and contour features，high amount of information and contrast contrast，good overall comprehensive quality andideal enhancement effectKey words:polariz
6、ation image;light intensity image;image fusion;face image enhancement;wavelet packettransform;the high frequency coefficients1引言图像增强技术是数字图像处理中的关键技术，能够实现图像整体质量及视觉效果的有效提升，并增加图像内的信息量，清晰呈现图像内的细节特征，为精准识别图像奠定基础1。在人脸图像识别与处理技术的持续发展进程中，针对人脸图像增强技术的应用逐步变得更为广泛2。为快速地完成在线刷脸支付，可运用人脸图像增强技术提升人脸图像的整体质量，完成人脸图像的精准快速识别。
7、决定人脸图像整体质量高低的关键因素包括图像内色调的反差对比度、脸部纹理细节特征呈现情况、人脸边缘轮廓的清晰度等。因此，为实现人脸图像的增强处理，提升人脸图像整体质量，保障人脸图像识别的精准性与效率，需采取恰当的方法增强人脸图像的对比度、细节纹理特征及边缘轮廓清晰度等35。目前已有大量学者针对人脸图像增强方法展开研究。孔祥阳等人6 提出了互结构正则约束图像增强算法。构建正则约束模型，增强图像。该算法可显著增强图像的清晰度和对比度，但所呈现出的细节纹理特征信息量不够丰富，综合增强效果不够理想;宫剑等人7 研究了颜色空间融合与上下文显著性的图像增强方法。融合图像内的相同颜色空间;以图像内背景和目标的
8、偏振特征差异性为依据，获得目标成像，将图像内的边缘轮廓等特征呈现出来，实现图像增强的目的。该方法所获得增强图像内目标的边缘http /www laserjournal cn轮廓与细节特征清晰，但整体色调的反差对比度稍差。提出了偏振图像融合的人脸图像增强方法。完成人脸偏振度图像与光强图像的高、低频信息的融合，获得融合后增强人脸图像;以保留原有两种人脸图像内的高、低频信息为前提，提升人脸图像的整体清晰度，达到了增强人脸图像的目的，为提升人脸图像识别与处理的精准度与效率奠定基础。2基于偏振图像融合的人脸图像增强方法2.1人脸偏振度图像与光强图像的获取在通过偏振图像融合方法实现人脸图像增强之前，应先获
9、得待融合的人脸偏振度图像与光强图像。在此选用分时偏振成像技术获取人脸偏振度图像与光强图像811，该技术的结构原理见图 1 所示。图 1分时偏振成像技术结构原理图当人脸红外辐射由能够旋转的红外偏振片通过后，在红外透镜的作用下，成像于红外探测器的表面1213。期间红外偏振片的旋转由步进电机操控，依次操控其旋转为 0、50、95及 140，在四种偏振片旋转角度下依次实现人脸偏振度成像，最终所获取到的人脸偏振度图像依次以 J1 J4表示。通常人脸的反射光属于局部偏振光，其偏振信息大多使用 Stokes矢量表示，即(J，P，S，W)T。该矢量中的圆偏振光矢量以 W 表示;反射光的整体强度以 J 表示;4
10、5与水平两个方向的线偏光强度分别以 S 和 P 表示。依据四种偏振片旋转角度下所获取的人脸偏振度图像 J1J4得出 Stokes 矢量，可表示为JPSW=J1+J3J1J3J2J4WLW (1)式中，右旋转圆偏振分量以 W表示;左旋转圆偏振分量以 WL表示。由于圆偏振分量 W 通常在人脸反射中接近于 0，故在此令 W 等于 0。则人脸图像的偏振度 D 可表示为D=P2+S2J(2)通常偏振度的取值区间为 0，1，其值取 1 代表此人脸图像的偏振光属于完全偏振光;其值取 0 代表此人脸图像不存在偏振光;其值位于两种取值之间则代表此人脸图像的偏振光属于局部偏振光。2.2基于人脸偏振图像融合的人脸图
11、像增强通常人脸的光强图像具备的场景背景信息与关键能量等低频信息较多，且具有较高的对比度14;而人脸的偏振图像内具备的人脸边缘轮廓与纹理等高频信息较多，且对比度较低，二者之间可较好地互补。因此，为了更清晰地呈现人脸图像的高、低频信息，需融合人脸的光强图像与偏振图像，获得融合后边缘轮廓、纹理及背景信息等均较为清晰的高对比度、高质量人脸图像，实现人脸图像的增强处理。2.2.1基于小波包变换的人脸偏振图像融合算法小波包变换方法能够共同实现人脸偏振度图像与光强图像的高频与低频信息的小波分解15，并以高、低频融合规则为依据，分别实现两种人脸图像内高频与低频部分的融合，经由小波包重构后获得融合后人脸图像，实
12、现人脸图像的增强。小波包变换方法融合人脸偏振度图像与人脸光强图像的过程如图 2所示。通过小波包变换方法依次对人脸的两种图像实施小波包分解，获得分解后的两种人脸图像的高频与低频部分，分别运用高、低频系数的相关融合规则实现对两部分的融合处理，具体实现过程如下。图 2小波包变换的人脸偏振图像融合过程图2.2.2人脸偏振度图像与光强图像的高频系数融合因人脸图像具有邻近像素之间关联度较高的特941杨天敏，等:偏振图像融合的人脸图像增强研究http /www laserjournal cn点1617，所以在对人脸偏振度图像与光强图像实施融合时，应将两种图像周边区间内所有像素值考虑在内。通过将(n，m)作为
13、中心点 G 的小区间，其加权方差代表部分区间特征。以实际状况为依据设定该区间的大小，则该局部区间的特征量运算式为Hij(n，m)=IgGv(g)Vij(n，m)2?sij(n，m)2(3)式中，小波包分解的层数以 I 表示;其中第 i 层中第 j个像素点的系数矩阵项以 Vij表示;该像素点系数矩阵的区间 G 的平均值以?sij(n，m)表示;该像素点系数矩阵的部分区间方差以 Hij(n，m)表示;高斯权系数矩阵以 v(g)表示。假设人脸光强图像以 C 表示，而人脸偏振度图像以 JD表示，则二者经小波包分解后的第 i 层第 j 个像素点系数矩阵的部分区间方差的匹配度可表示成:Fij，CJD(n，
14、m)=IgG v(g)Vij，Ch(n，m)v(g)?sij，C(n，m)Vij，JDh(n，m)?sij，JD(n，m)2/Hij，C(n，m)+Hij，JD(n，m)(4)式中，人脸光强图像与偏振度图像第 i 层中第 j 个像素点的高频系数矩阵区间分别以 Vij，Ch(n，m)和 Vij，JDh(n，m)表示;匹配度 Fij，CJD(n，m)的取值范围为 0，1，该值越高则代表人脸光强图像与偏振度图像的高频系数矩阵相关性越高。假设存在某个阈值 Z，且匹配度 Fij，CJD(n，m)值小于该阈值 Z，那么两种图像融合后的高频系数矩阵 Vij，CJDh(n，m)的取值为Vij，CJDh(n，m
15、)=Vij，ChHij，JD(n，m)Hij，C(n，m)Vij，JDhHij，JD(n，m)Hij，C(n，m)(5)式中，人脸光强图像与偏振度图像第 i 层第 j 个像素点的高频系数矩阵分别以 Vij，Ch和 Vij，JDh表示。反之，如果匹配度 Fij，CJD(n，m)值大于或等于阈值 Z，那么两种图像融合后的高频系数矩阵 Vij，CJDh(n，m)取值可表示为Vij，CJDh(n，m)=Vij，ChVij，Chgij+Vij，JDhgijHij，JD(n，m)Hij，C(n，m)Vij，JDhVij，JDhgij+Vij，ChgijHij，JD(n，m)Hij，C(n，m)(6)式中，
16、gij可表示为gij=0.5 11Fij，CJD(n，m)1Z(7)通常阈值 Z 的取值区间为 0.4，1.0，主要是依据实际应用标定得出的。以融合图像像素的数个领域像素为依据，对高频细节系数矩阵实施调节，以保障人脸偏振度图像与光强图像融合之后具备相同的高频细节分量。2.2.3人脸偏振度图像与光强图像的低频系数融合通过小波包变换方法将两种图像分解之后，所得到的图像低频部分中具备图像的关键能量，能够将源人脸图像的平均与相似特征呈现出来，可直接决定融合后人脸图像的整体质量。因待融合的人脸偏振度图像与光强图像的亮度存在的差别过大，无法通过加权平均法实施二者低频系数的融合，故在此选用部分区间能量的融合规则融合两种图像的低频系数。经小波包变换分解之后获取的人脸光强图像与偏振度图像的低频系数依次以 Cil和 JDil表示。由两种图像内分别将相对应的部分区间选取出来，并设(a，b)为区间的中心点，同时该点也是待选像素点。两种人脸图像的低频系数融合步骤为:(1)对由两种人脸图像内所选取的部分区间中各个像素点的能量值实施运算。通过加权处理邻近像素点，将邻近像素点干扰中心像素点的程度降低，则人脸光强图像与
