人脸识别系统中图像预处理研究综述.docVIP

人脸识别系统中图像预处理的研究综述 　　摘 要:人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别特征,进行身份认证的生物识别技术。本文阐述了人脸识别系统中图像预处理算法的研究与设计,实验表明本算法对于人脸大小、姿态和光照的变化,都有较强的适应能力。 　　关键词:人脸识别 图像预处理 算法 　　 　　1 引言 　　随着安全入口控制和金融贸易方面应用需要的快速增长,生物统计识别技术得到了新的重视。目前,微电子和视觉系统方面取得的新进展,使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。人脸识别技术是一个非常活跃的研究领域,它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今,虽然在这方面的研究已取得了一些可喜的成果,但是人脸识别技术在实际应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的,而且人脸本身又是一个柔性物体,表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。 　　2 算法原理 　　课题组采用的人脸检测算法是:首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点;在此基础上,给出较准确的人脸模板的初始参数,从而提高识别算法的速度和精度。 　　眼睛是面部最重要的特征,它们的精确定位是识别的关键。基于区域增长的眼睛定位技术,该技术在人脸检测的基础上,充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性,可以精确快速的定位两个眼睛瞳孔中心位置。该算法根据人眼灰度明显低于面部灰度的特点,利用搜索矩形找到眼部的边缘,最后定位到瞳孔的中心。 　　3 系统方案选择 　　3.1设计方案原则 　　系统的设计方案原则如下为:采用较为先进的技术力量,保证应用程序在技术上具备一定的优势;采用成熟的技术,保证应用程序的安全性和可靠性;应用程序便于扩展和维护,易于技术的更新;应用程序充分利用现有的资源,尽量减少不必要的再投资;编写的代码必须严谨易读,代码的解释必须清楚明白,为应用程序的再开发提供应尽的责任。 　　3.2开发工具 　　本系统设计所用的开发工具是Microsoft Visual C++6.0。Visual C++6.0是Microsoft公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发,将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起,构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作,即可完成Windows下应用程序的编辑、编译、测试和细化等工作。 　　3.3算法的选择分析 　　本文主要研究的对象是图像预处理模块,该模块分为光线补偿、图像灰度化、高斯平滑、图像对比度增强、均衡直方图、二值化,每个子模块由相应的算法来实现。 　　4 系统的概要设计 　　4.1人脸区域获取模块 　　人脸区域获取图像获取模块主要是从摄像头拍照后进行获取图片,也可以从图片库中获取,获取后的图片可以在软件的界面中显示以便进行识别。本系统的图像中人脸区域的获取,主要是根据肤色来进行获取,通过肤色非线形分段色彩变换来实现。这种非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型,这一类肤色模型的建立首先要选取一种合适的色彩空间。 　　4.2图像预处理模块 　　图像预处理就是对获取得来的图像进行适当的处理,使它具有的特征能够在图像中明显的表现出来。该模块中主要由光线补偿、灰度变化、高斯平滑处理、对比度增强、均衡直方图和二值化处理等子模块构成。 　　4.2.1光线补偿 　　因为系统得到的图片可能会存在光线不平衡的情况,这会影响我们对特征的提取,同时系统中要用到YcrCB色彩空间,所以有必要对图像进行光线补偿。尽可能将它的特征在图像中表现出来。YcrCB色彩空间是以演播室质量标准为目标的CC601编码方案中采用的彩色表示模型。 　　4.2.2灰度变化 　　图像灰度化的过程就是把彩色图像转换为黑白色图像的过程,它也是为了将图像的信息更加具体、简单的表现出来,但是,这样做也将会丢失图像信息。因此,尽可能在转化的过程中用简单的方式表现图像复杂的信息。 　　4.2.3高斯平滑处理 　　高斯平滑将对图像进行平滑处理,在图像采集过程中,由于各种因素的影响,图像往往会出现一些不规则的噪声,入图像在传输、存储等都有可能产生数据的丢失。从而影响图像的质量。处理噪声的过程称为平滑。平滑可以通过卷积来实现。经过卷积平滑后的水平投影后,二值化提供了较好的图像效果。 　　4.2.4对比度增强 　　对比度增强,就是对图像的进一步处理,将对比度再一次拉开。通过改变选用的增强函数的解析表达