基于霍夫变换和眼睑弹性模板的眼睛特征提取.pdfVIP

第 18 卷第 1 期 红 外 与 毫 米 波 学 报 V o l. 18, N o. 1 1999 年 2 月 J. In frared M illim. W ave s F eb ru ary, 1999 基于霍夫变换和眼睑弹性模板 的眼睛特征提取 王　磊　莫玉龙 　戚飞虎 ( ) 　 上海交通大学计算机科学与工程系, 上海, 200030 摘要　提出一种将新颖的眼睑弹性模板与霍夫变换相结合实现眼睛特征的自动提取的方法, 即 自动定位眼球并自动提取眼睛轮廓. 与其它用弹性模板提取眼睛特征的方法相比, 本方法可以 处理对比度较低、下眼睑模糊的图像, 提取特征准确度更高, 且改进的能量函数和保守能量下降 算法大大简化了经验参数的选择. 经过百余幅眼睛图像的实验处理, 验证了该方法的有效性. 关键词　弹性模板, 霍夫变换, 人脸特征提取. 引言 人脸特征的自动提取和描述是人脸识别系统中一个重要环节. 特征量如形状、面积、周 长等的获得必须利用人脸五官的轮廓. 传统的边缘描述方法往往很难获得可靠度较高的连 续边缘, 有些对比度低的地方甚至连边缘都检测不到, 即使获得了可靠度高的边缘, 也很难 [ 1～ 7 ] 从中自动提取所需的特征量. 为此, 用弹性模板提取特征显示出其特有的优越性 . 弹性 模板被一组根据特征形状的先验知识设计的参数所定义, 这些参数是可调的. 为了定出最符 合特征形状的参数, 需要利用图像的边缘、峰值、谷值和强度信息及特征形状的先验知识设 计合适的能量函数. 参数向能量减小方向作调整, 当能量达到最小时, 这组参数对应的模板 最符合特征形状, 从这组参数可以直接提取具体的特征量. 弹性模板能提取完整的轮廓是因 为它是基于全局考虑的, 而边缘提取是基于局部的. Yu ile 等人[ 1～ 2 ] 的眼睛模板由两条抛物 线和一个圆构成, 分别对应内眼睑和眼球, 用最速下降法最小化能量. 其他研究人员设计的 模板形状[3～ 7 ] 都与此雷同, 主要是在某些能量函数的设计或最小化能量的算法上有些变化. 所有这些模板都存在两大问题: 第一, 模板形状都是为提取内眼睑设计的, 强烈依靠图像峰 ( ) 值部分 眼白 的信息, 当图像对比度低时, 下眼睑很模糊, 峰值区域可能提取不出来或不能 被完整提取, 边缘也不清楚, 导致实验失败, 此外, 当眼角有阴影时, 内眼睑模板甚至不能很 好反映眼睛的实际大小; 第二, 无论用何种方法, 都存在为能量函数选取经验系数的问题, 这 些系数对能量函数的收敛或模板匹配的正确程度有直接的影响, 在上述诸方法[ 1～ 7 ] 中, 系数 的选择需靠分析具体的数值凑试. 针对这两个问题, 本文先用霍夫变换检测眼球, 然后用一 个全新设计的上眼睑弹性模板定上眼睑, 能量函数无须峰值信息, 新的眼角能量函数比X ie [ 6 ] 的眼角能量函数 能更准确地定位眼角. 此外, 归一化能量函数和保守的能量最小化算法使 ( ) 国家自然科学基金 编号和和上海市教委科学基金赞助项 目 ( ) 上海大学 嘉定分区 通信与工程学院, 上海, 20 1800 稿件收到日期 修改稿收到日期 红 外 与 毫 米 波 学 报 18 卷 54 各能量项