基于小波分析的人脸图像处理.pdfVIP

　　　10 　　　　 《计量与测试技术》2009 年第 3 6 卷第 4 期 3 基 于 小 波 分 析 的 人 脸 图 像 处 理 Person F ace Ima ger y Pr ocessi ng Based on W avelet A n alysis 李建华 　杨铁梅 　马 　壮 (太原科技大学 ,山西 太原 0 30024) 摘 　要 本文利用小波分析进行人脸图像处理 ,包括人脸图像的滤波、小波增强 、以及人脸图像的小波分解等 ,为后 续的特征 提取和人脸 识别打下 良好 的基础 。实验结果表明 ,小波分解能够有效地降低人脸图像的维数 ,大大降低了后续处理算法的复杂度 ,减少了计算机的计算量。 关键词 滤波 ; 小波增强 ; 小波分解 1 　引言 整体 的人脸识别算法 的系统 中 , 由于失掉小区域 的细节 人脸 图像 能够提 供友 好 的 、非 侵犯性 的人机界 面 对特征提取影响较小 ,而且可 以通过图像增强进行补偿 , (H CI) ,还包含 了丰富的个人信息 性别 、种族 、表情和年 所以这种滤波方法最受欢迎 。为 了观察 中值滤波平滑去 ( ) ( ) 龄等 。同其他生物特征 指纹 、虹膜 、掌纹等 相 比 ,人脸 噪的效果 ,我们对一幅人为 地加 入噪 声的 图像 图 1 进 最大 的特点是非侵犯性 ,它不像指纹 、虹膜那样需要被测 行了去噪处理 , 图 2 示出了去噪后的效果 。在 Mat lab 中 者的积极配合 。人脸识别可广泛应用于身份识别、访 问 实现代码如下 。 控制 、视频会议 、档案管理 、电子相册 、基于对象的图像和 I = im read (原始图像. tif) ; %读取原 图像 视频检索等方面 ,近 10 多年来 , 已成为模式识别和人工 J = imnoise ( I ,salt p epp er ,010 2) ; %给原始 图像添 智能领域的研究热点 。 加椒盐噪声 ( ) 目前 ,人脸识别方法主要有几何特征法 、模板法 、主 K = medfilt2 J ; %中值滤波去噪 ( ) 成份分析法 、统计特征法等 。人脸识别首先要解决的问 i mshow J ; %显示含噪图像 题是人脸的数据表示 。如何有效地表示人脸 ,对人脸进 i mshow ( K) ; %显示中值滤波后 图像 行低维表达 ,是一个复杂的问题 。 小波变换被誉为分析信号的数学显微镜 ,是一种有 效的多分辨率方法 。通过对人脸 图像进行小波分解 ,可 以得到人脸图像不 同子带的图像 ,采用相对稳定的低频 分量子带 图像用于后续 的识别处 理 。一幅图像进行 n 次二维小波变换后 ,低频子带 图像 的尺寸仅为原 图像尺 寸的 1/ 22n , 因此能够有效地进行降维 ,大大降低 了后续 处理算法的复杂度 。 由以上效果图可 以看出 ,加入椒盐噪声的图像 ,经 中 本文首先对含噪的人脸图像进行滤波 ,然后进行小波