人臉識別技術(shù)論文(2)
人臉識別技術(shù)論文篇二
人臉識別中的圖像預處理技術(shù)
摘要：人臉作為一種高普遍性、非接觸式采集的重要生物特征，正被越來越多地用來進行身份鑒別。本文介紹了人臉識別的基本過程，簡要分析了人臉識別中的圖像預處理技術(shù)，如直方圖變換、線性濾波、非線性濾波、圖像變換，并在MATLAB中實現(xiàn)。
關(guān)鍵詞： 人臉識別;傅里葉變換;中值濾波;圖像處理;MATLAB
中圖分類號：TP391.4 文獻標識碼：A
1引言
人臉識別，特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術(shù)。人臉識別技術(shù)應用廣泛，可用于安全驗證系統(tǒng)、醫(yī)學、檔案管理、銀行和海關(guān)的監(jiān)控系統(tǒng)及自動門禁系統(tǒng)等[1]。與利用指紋、虹膜等其他人體生物特征進行身份識別的方法相比，人臉識別更加友好、方便和隱蔽。因其巨大的應用前景,以及其無可比擬的優(yōu)越性，人臉識別越來越成為當前模式識別和人工智能領(lǐng)域的一個熱點。圖像預處理是人臉識別過程中的一個重要環(huán)節(jié)。輸入圖像由于圖像采集環(huán)境的不同，往往存在有噪聲，對比度不夠等缺點。為了保證人臉圖像中人臉大小、位置以及人臉圖像質(zhì)量的一致性，必須對圖像進行預處理。
2人臉識別的基本內(nèi)容和過程
人臉識別(Face Recognition)一般可描述為：給定一靜止或動態(tài)圖像，利用已有的人臉數(shù)據(jù)庫來確認圖像中的一個或多個人。從廣義上講，其研究內(nèi)容包括以下五個方面：
(1)人臉檢測(Face Detection)：即從各種不同的場景中檢測出人臉的存在并確定其位置。這一任務主要受光照、噪聲、頭部傾斜度以及各種遮擋的影響。
(2)人臉表征(Face Representation)：即確定表示檢測出的人臉和數(shù)據(jù)庫中的己知人臉的描述方式。通常的表示方法包括幾何特征(如歐氏距離、曲率、角度等)、代數(shù)特征(如矩陣特征矢量)、固定特征模板、特征臉、云紋圖等。
(3)人臉鑒別(Face identification)：即通常所說的人臉識別，就是將待識別的人臉與數(shù)據(jù)庫中的已知人臉比較，得出相關(guān)信息。這一過程的核心是選擇適當?shù)娜四槺硎痉绞脚c匹配策略。
(4)表情分析(Facial expression Analysis)：即對待識別人臉的表情進行分析，并對其加以分類。
(5)物理分類(Physical Classification)：即對待識別人臉的物理特征進行分類，得出其年齡、性別、種族等相關(guān)信息。
人臉識別的基本過程和框架如圖1所示。
人臉圖像采集預處理特征提取識別
預處理模塊主要完成人臉圖像質(zhì)量的改善，包括提高圖像對比度、消除噪聲等，可視具體應用而選用。特征提取模塊完成提取人臉特征，如何提取穩(wěn)定和有效的特征是識別系統(tǒng)成敗的關(guān)鍵。本文將分析人臉識別中涉及的圖像處理技術(shù)。
3人臉識別中的圖像預處理技術(shù)
預處理的目的是為了提高圖像質(zhì)量、加強有用的信息。常用的預處理有姿態(tài)矯正、光照補償、尺寸歸一化、去噪、邊界增強、提高對比度等，它是一項基礎(chǔ)性工作，可在人臉特征提取之前根據(jù)需要有選擇地進行適當?shù)念A處理操作。本文采用直方圖均衡技術(shù)進行人臉圖像的預處理，主要目的是增強對比度，提高圖像質(zhì)量。
3.1直方圖均衡技術(shù)
3.1.1直方圖定義
直方圖是圖像的一種統(tǒng)計表達。對一幅灰度圖像，其灰度統(tǒng)計直方圖反映了該圖中不同灰度級出現(xiàn)的統(tǒng)計情況[2]。其定義為：
P(sk)=nk/N
其中nk表示圖像的第k級灰度值，N表示像素總數(shù)。直方圖能給出該圖像的整體描述，例如圖像的灰度范圍、每個灰度級的頻度和灰度的分布、整幅圖像的平均明暗和對比度。直方圖又分為直方圖均衡化和直方圖規(guī)定化。
3.1.2直方圖均衡技術(shù)
直方圖均衡化也叫直方圖均勻化，就是把給定圖像的直方圖分布改變成均勻分布的直方圖，它是一種常用的灰度增強方法[3]。本文在MATLAB環(huán)境下對采集后的圖像進行了圖像的預處理，見圖2。
有些細節(jié)不夠清晰，反映在直方圖上就是其直方圖所占據(jù)的灰度范圍分布在較窄的區(qū)間，引起圖像細節(jié)不清楚。圖2(b)和圖2(c)分別為對原始圖像進行直方圖均衡化得到的結(jié)果及其對應的直方圖，由圖2(c)可見均衡化后直方圖占據(jù)了整個灰度值允許的范圍，圖像的灰度間距拉開，灰度分布均勻，從而增大了反差，使圖像細節(jié)清晰，達到了圖像增強的目的。
3.2線性平滑濾波
均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法、超限像素平滑法和加權(quán)均值濾波法。這里以鄰域平均法為例進行說明。鄰域平均法，其基本原理是用均值替代原圖像中的各個像素值，即對待處理的當前像素點 (x,y)選擇一個模板(圖3所示為一均值濾波模板)求模板中所有像素的均值，再把該均值賦予當前像素點 (x,y),作為處理后圖像在該點上的灰度g(x,y)。模板運算的基本步驟為：將模板在圖像中漫游，并將模板中心與圖像中的某個像素位置重合;將模板上系數(shù)與模板下對應的像素相乘;將所有乘積加起來;將和(模板的輸出響應)賦給圖像中對應模板中心位置的像素。圖4所示為在MATLAB中對含噪圖像圖4(a)進行均值濾波的效果圖，從圖4(b)中可以發(fā)現(xiàn)達到了去噪效果。
3.3非線性平滑濾波
非線性平滑濾波的典型方法為中值濾波。中值濾波器的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點。圖5所示為在MATLAB中采用不同的中值濾波模板對含噪圖像如圖5(a)進行中值濾波的效果圖。對比5圖(b)和(c)可以得到，5*5的模板去噪效果比3*3的模板效果好。
3.4圖像變換
圖像變換就是把圖像從空間域轉(zhuǎn)換到變換域(如頻率域)的過程。將圖像轉(zhuǎn)換到新的空間，顯現(xiàn)出一些新的特性，方便特征提取，使圖像處理過程更加簡單有效。圖像變換的方法很多，如：離散傅里葉變換、離散余弦變換、哈達瑪變換、小波變換等。其中傅里葉變換是一種較為典型的頻域變換技術(shù)。利用二維離散快速傅里葉變換將人臉圖像從空間域變換到頻率域后，較為復雜的人臉圖像可以簡單地用振幅譜來表征，人臉圖像在頻率域中，計算簡便，能量相對集中。
在變換域中實現(xiàn)圖像增強的步驟如下：
(1)計算需增強的圖像的傅里葉變換F(u,v);
(2)將其與一個(根據(jù)需要設計的)轉(zhuǎn)移函數(shù)H(u,v)相乘;
(3)再將結(jié)果G(u,v)傅立葉反變換得到增強的圖像。
以傅里葉變換為例，介紹其在頻域中實現(xiàn)平滑濾波。在MATLAB中實現(xiàn)從空域到變換域的代碼如下：
f=fft2(image);%將image圖像進行快速傅里葉變換
g=fftshift(f);% 將傅里葉變換結(jié)果進行移中
由于邊緣和噪聲都對應圖像傅里葉頻譜中的高頻部分，所以通過在頻域中的低通濾波可以除去或消弱噪聲的影響。要實現(xiàn)低通濾波首先需要選擇一個合適的轉(zhuǎn)移函數(shù)H(u，v)。在諸多低通濾波器中，Buterworth低通濾波器“振鈴”現(xiàn)象不明顯，而且能夠提高圖像的細節(jié)清晰度，這里以Buterworth低通濾波器為例對圖像進行平滑濾波。一個階為n，截斷頻率為D0的巴特沃斯低通濾波器的轉(zhuǎn)移函數(shù)為：
H(u,v)=11+[D(u,v)/D0]2n待處理圖像如圖6(a)所示，從該圖中可以看出圖像中有噪聲的干擾，Buterworth低通濾波器設置如下：n=3，截斷頻率為20。圖6(b)所示為低通濾波效果圖。
對比圖6(a)和(b)可以發(fā)現(xiàn)，Buterworth低通濾波器對噪聲的濾除效果很好，不過同時也使圖像變得模糊了。
人臉識別具有無可比擬的優(yōu)越性，近幾十年來得到飛速發(fā)展，比如近年來出現(xiàn)了基于近紅外圖像的人臉識別，許多有效實用的人臉識別系統(tǒng)也脫穎而出，并且被廣泛應用于海關(guān)、機場、金融機構(gòu)等安全性要求較高的重要場所。人臉識別有著廣闊的應用前景，不僅是模式識別、計算機視覺和人工智能等領(lǐng)域的一個熱門的研究課題，同時，人臉識別又是一個難度極大的課題，如人臉識別中的光照問題，姿態(tài)問題，表情問題等，這也是作者進一步研究的重點。
參考文獻
[1]董火明，高雋，汪榮貴.多分類器融合的人臉識別與身份認證[J].系統(tǒng)仿真學報, 2004(8).
[2]章毓晉.圖像處理(第二版)[M].北京：清華大學出版社，2006.
[3]張宏林. 數(shù)字圖像模式識別技術(shù)及工程實踐[M].北京：人民郵電出版社，2003.
看了“人臉識別技術(shù)論文”的人還看：
2.人臉識別技術(shù)的新發(fā)展閱讀理解附答案 人臉識別技術(shù)的新發(fā)展閱讀答案
人臉識別技術(shù)論文(2)
上一篇：人機交互技術(shù)論文
下一篇：認知無線電技術(shù)論文
