一种基于闪光灯非闪光灯图像对的红眼检测方法
【专利摘要】本发明涉及彩色数码照片的自动修复【技术领域】，涉及一种基于闪光灯非闪光灯图像对的红眼检测方法，包括：将输入的一组闪光灯彩色图像FL和非闪光彩色图像NF由RGB空间转换到CIELAB颜色空间并进行预处理；基于L*分量进行图像配准；在CIELAB空间进行肤色检测；使用a*分量和b*分量度量闪光灯彩色图像和非闪光彩色图像的红眼区域像素点的饱和度值，得到两图像饱和度的差别；确定候选红眼区域；去除干扰区域；确定红眼区域。本发明可以利用闪光灯/非闪光灯照片组，引入图像配准环节，并综合使用颜色和饱和度特征，快速准确检测并定位闪光灯图像中的红眼区域。
【专利说明】一种基于闪光灯非闪光灯图像对的红眼检测方法
所属【技术领域】
[0001]本发明涉及彩色数码照片的自动修复领域，尤其是数码照片的红眼效应检测方面。
【背景技术】
[0002]随着科技的发展，数码相机也在不断的改良更新，融入人们的生活。当场景光线不够理想时，如在夜间或者光线较弱的室内环境，一般使用闪光灯在短时间内增强前景的光照，但经常会产生红眼效应。这是因为人类的瞳孔在环境光线不好的情况下会自动放大。在这种情况下使用闪光灯拍照时，人的瞳孔来不及收缩，较强的光线直接穿过瞳孔照射在视网膜的微血管组织上，再经瞳孔反射回红色的光线，从而使照片上人眼瞳孔区域呈现出不正常的红色，这就是红眼产生的原因。红眼现象的存在，严重降低图片质量，因此研究红眼校正方法对提高照片质量是有益而必要的。
[0003]红眼效应是摄影中的常见问题，近年来红眼校正方法受到影像处理领域的公司和研究机构共同关注，专家学者提出了许多红眼自动校正方法，相关的国内外专利也有很多。已有方法大致可以分为两类，一类是手动或半自动的方法；另一类是全自动的方法。手动或半自动方法的基本思想是:用户先手动框选出一个包含红眼的感兴趣区域，然后利用图像处理方法精确定位红眼位置，最后进行颜色替换，从而消除红眼。这类方法简单易用，而且精确度高，但是需要用户的参与，应用性不是很高，因此它只适用于一些商用图像处理软件。
[0004]全自动红眼消除算法的基本思路是:用户输入包含红眼现象的图像后，不需要进一步的手动操作，红眼去除系统可以自动检测到红眼的位置，对定位后的红眼区域进行偏色校正等操作。这类方法无需人工干预，实现自动化处理，但是目前还处于研究阶段，检测准确度和校正质量与手动方式相比较差，不能很好的投入到实际应用中。目前已有的全自动方法大致分为三类:基于人脸或者人眼检测的方法基于模板的方法和基于闪光灯/无闪光灯图像对的方法[6]。基于人脸或人眼检测的方法，首先采用有监督的机器学习方法(如神经网络、支持向量机等)，在闪光灯图像中定位人脸或者人眼的位置作为待检测区域，缩小检测范围。然后利用红眼的各种特征，如颜色特征、饱和度特征、形态特征、位置特征等在待检区域中精确定位红眼的位置，最后进行红眼校正。基于模板的方法，从图像中搜索红色区域或肤色区域作为候选区域，然后利用自定义的模板检测红眼区域。第一种方法参考人脸检测结果，检测准确性高，但当人脸区域部分被遮挡时，可能造成红眼漏检。第二种方法无需复杂的人脸检测过程，处理速度更快，但容易将图像中的红色物体误检为红眼。
[0005]第三种方法使用闪光灯-非闪光灯图像对进行红眼检测与去除。在很短的时间内，连续拍摄一组闪光灯和非闪光灯照片图像对，假设在两张照片的间隙所拍景物没有移动。通过比较两幅图像红色区域的差别来定位红眼区域，进而结合两幅图像的内容，实现红眼的校正。文献Μ将一对闪光灯-非闪光灯图像转换到CIELiW空间，通过对比两幅图像在a*通道的差别来搜索红眼范围。在进行红眼去除时，使用非闪光灯图像匹配闪光灯图像的颜色。如果闪光灯和非闪光灯图像能够严格对准，使用该方法能够方便快捷地检测并去除红眼效应。但该方法要求连续拍摄的两张图片在空间位置上严格对齐，并假设红眼都是团状，与实际情况不完全相符。文献[3]提出红眼区域在强光照射情况下通常有高亮部分存在，在文献Μ的基础上，引入高亮特征用于去除干扰区域。与前一种方法相比，这类省去了人脸或者人眼检测的步骤，计算量明显减少。但该方法使用全局阈值检测红眼区域，算法的鲁棒性较低。
[0006]本
【发明内容】
受到国家自然科学基金(N0.61002030)项目资助。
[0007]参考文献:
[0008][ I ] M Gaubatzj R.Ulichney.Automatic red-eye detection andcorrection,International Conference on Image Processing,2002，vol.1，804—807
[0009][2]路明，赵群飞，施鹏飞，一种自动红眼消除方法，电路与系统学报，2006，11(6)，ρρ:124-128.[0010][3]王艺莼，卜佳俊，红眼照片自动检测与修复方法，计算机工程，2003，29: ρρ:93-94.[0011][4]F Volkenj J Terrier,P Vandewalle.Automatic red-eye removal basedon sclera and skin tone detection, Proceedings of the IS&T Third EuropeanConference on Color in Graphics, 2006，359-364.[0012][5] B Smolkaj K Czubinj J.Y.Hardebergj etal.Towards automatic red-eyeeffect removal, Pattern Recognition Letters，2003，vol(24)，no(2)，pp:1767-1785.[0013][6]X.P.Miaoj T.Sim, Automatic red-eye detection and removal, IEEEInternational Conference on Multimedia and Expo,2004,vol.2,pp:1195-1198.
【发明内容】
[0014]本发明的目的是克服现有技术的上述不足，提出一种红眼区域的快速而准备的检测方法，方案如下:
[0015]一种基于闪光灯非闪光灯图像对的红眼检测方法，包括下列步骤:
[0016](I)将输入的一组闪光灯彩色图像FL和非闪光彩色图像NF由RGB空间转换到CIELAB颜色空间，闪光灯彩色图像和非闪光彩色图像的CIELAB空间三分量分别用FU、FLa、FLb和NFLL、NFLa、NFLb表示，其中L通道的取值在[0，100]之间，a*分量和b*分量的取值都在[-127，128]之间；
[0017](2)对闪光灯彩色图像和非闪光彩色图像的L*分量进行双边滤波平滑处理，使用SFU和SNFU分别表示闪光灯图像和非闪光彩色图像的平滑处理后的结果；
[0018](3)基于L*分量进行图像配准，经图像配准得到的闪光灯彩色图像和非闪光彩色图像，分别用PFLc和PNFLc表示，其中C=L, a*, b* ；
[0019](4)在CIELAB空间进行肤色检测，使用下式检测闪光灯彩色图像中的肤色区域，二值图像SKIN表示，其中取值为I的点代表像素点:
[0020]
【权利要求】
1.一种基于闪光灯非闪光灯图像对的红眼检测方法，包括下列步骤: (1)将输入的一组闪光灯彩色图像FL和非闪光彩色图像NF由RGB空间转换到CIELAB颜色空间，闪光灯彩色图像和非闪光彩色图像的CIELAB空间三分量分别用FLl、FLa, FLb和NFLl、NFLa, NFLb表示，其中L通道的取值在[O，100]之间，a*分量和b*分量的取值都在[-127，128]之间； (2)对闪光灯彩色图像和非闪光彩色图像的L*分量进行双边滤波平滑处理，使用SFU和SNFU分别表示闪光灯图像和非闪光彩色图像的平滑处理后的结果； (3)基于L*分量进行图像配准，经图像配准得到的闪光灯彩色图像和非闪光彩色图像，分别用PFLc和PNFLc表示，其中C=L, a*, b* ； (4)在CIELAB空间进行肤色检测，使用下式检测闪光灯彩色图像中的肤色区域，二值图像SKIN表示，其中取值为I的点代表像素点:
2.根据权利要求1所述的基于闪光灯非闪光灯图像对的红眼检测方法，其特征在于，步骤3)中，选用SURF特征进行图像配准。
【文档编号】G06T1/00GK103778594SQ201410021126
【公开日】2014年5月7日 申请日期:2014年1月16日 优先权日:2014年1月16日
【发明者】王建, 庞彦伟 申请人:天津大学