基于数字图像处理人脸检测算法研究.docVIP

基于数字图像处理人脸检测算法研究 　　摘要：人脸检测是人脸识别的前提和基础，同时在数字视频处理、身份验证、基于内容的检索、视觉检测等方面都有着非常重要的应用价值，该文对基于数字图像处理的彩色人脸检测的各个步骤包括图像去噪、图像边缘检测、图像分割、图像光照影响的去除等的发展现状进行了研究，并指出了各个步骤以后的发展方向。 　　关键词：人脸检测；图像去噪；四元素；蜂群算法；光照处理 　　中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2012）29-7076-02 　　人脸检测就是在具有复杂背景的图像中检测有无人脸，从而判断是否有人存在，若存在人脸时，则提取出人脸图像信息。它是人脸识别[1]的两个步骤即人脸检测和人脸识别两个步骤中的第一个重要步骤，早期的人脸识别主要是针对标准的正面人脸图像，而这标准正面人脸图像是在环境、光照、人脸姿态等都是在理想情况下获得的，因而此人脸图像在光照、人脸姿态、环境等发生变化后的适应性是相当差，因而早期的人脸检测并无多大实际价值，而随着近年来生物特别识别技术的发展，使得人脸识别系统对自然环境具有了较强的自适应能力和学习能力，并且在数字视频处理、身份验证、基于内容的检索、视觉检测等方面人脸检测都有着非常重要的应用价值，因而人脸检测的研究受到越来越多研究人员的重视，从某种程度上说，当前人脸识别的应用范围远远不如人脸检测，因而本文主要研究人脸检测问题。 　　国内的人脸自动检测技术虽然起步较晚，但近年来许多人脸检测算法已经接近甚至超过国际先进水平，如国内的浙江大学、厦门大学及电子科技大学等等以及一些实力雄厚的高新技术开发公司，国家的重大支持项目、863计划等都大力支持人脸检测的相关研究。而国外的针对人脸检测研究与发展进步很快，出现了许多经典高效的算法[2]，但在对象不配合或者光照、姿态变化差异较大的情况下适应性仍然较差，因而近年来，对人脸检测的研究主要集中在姿态及光照变化较大的方面，如基于adaboost的人脸检测，基于四元数的彩色人脸图像检测，和以及基于gabor和SVM的彩色人脸图像检测。 　　总的来说，不管那种人脸检测算法，在基于数字图像的人脸检测方面都主要包括人脸图像去噪、人脸图像边缘检测及分割和对人脸图像进行去除光照影响的处理等等。因而上述步骤也是本文研究人脸图像检测的主要内容。 　　1 人脸图像去噪 　　噪声对人脸图像检测有着非常大的影响，较好的图像去噪能力是检验一个图像处理系统是否优秀的重要标准，若噪声处理不好，将会出现漏检甚至根本检测人脸的现象，因而，多年来人们对噪声反复进行了研究，产生了许多经典的算法 [3]，虽然这些经典的算法在某些情况下确实产生了一定作用，但最终都没有出现一种通用而又有着理想效果的算法，相关研究人员在该领域进行了不懈的努力，其中在人脸图像去噪中运用小波理论的方法[4]有着较好的效果，随着小波理论的发展，逐渐出现了阈值收缩和比例收缩这两类有着较大影响的基于小波变换的阈值去噪方法，虽然这两种方法在噪声较小的情况下，可以取得较好的效果，但在噪声比较大时，效果仍然不理想。 　　近年来出现一种将快速粒子优化算法[5]运用于图像去噪中的去噪方法，其快速粒子优化算法中的阈值寻优是通过将图像作为粒子，然后以粒子的两个极值的不断更新来实现的，由于快速粒子优化算法中的速度和位置更新公式采用了更适合算法收敛的参数，因而该算法所求得的最优解即准确又灵活，用此最优解来求基于小波变换阈值去噪算法中的阈值，不仅PSNR明显提高而且有着更好的感官视觉，由于该算法自身的优势还使得即使噪声方差较大，PSNR仍然能有较高的值，但此算法易受图像预处理现象的影响，还有可能会出现粒子群收敛困难的现象，有待于今后进一步研究。 　　2 人脸图像边缘检测 　　人脸图像边缘检测在人脸检测中是至关重要的一步，此步是后面的人脸图像分割以及光照影响处理等的基础，目前灰度图像的人脸边缘检测技术已取得很大进步，但是真实的人脸图像却不是纯粹的灰度图像所能表示的，而纯粹的灰度图像的人脸检测效果由于人脸肤色的影响，结果并不尽如人意，因而人们开始运用彩色图像来进行人脸检测，但是目前常用的彩色图像基本上是采用三色分离方法来表示的，如R G B三色分离的颜色空间，当采用传统的彩色人脸图像边缘检测算法如Laplacian算法、Canny算子、Sobel算子、Prewitt算子、Robert算子等进行人脸检测时，由于这些算法基本上都是对各个彩色分量分别处理，然后再按某种方法将结果进行合成最后才进行人脸检测，或采用将灰度图像直接扩展的方法，上述算法无法做到用一个元素来表示一个彩色像素，甚至很少考虑各个彩色分量的关系处理，并且由于彩色人脸图像采用了三色分离的方法，也就是说一张图片要用三个矩阵来表示，处理的数据量是相当的大，因而