应用于静态图像中人眼定位算法.docVIP

应用于静态图像中人眼定位算法 　　摘 要：眼球定位识别算法作为一种重要的图像处理方法对于图像的相关处理有很重要的作用使用精确的方法对人眼球进行定位可以方便人脸特征识别以及人机交互等一系列的应用，眼睛定位的准确度直接影响到了最终的识别率，因此人眼定位算法具有很重要的研究意义。本文利用Matlab开发算法，研究的主要内容包括三部分，主要是图像的二值化算法、人脸检测及人眼定位的原理及相关算法实现，详细展示了各种方法的具体原理，对比选择了最为合适的检测方法。 　　关键词：图像二值化；人脸检测；眼球定位；静态图像 　　中图分类号：TP391.41 文献标识码：A 文章编号：1671-2064（2017）17-0026-03 　　1 引言 　　在一幅图像中，人们往往只对图像中某些既定的特征感兴趣，这些目标常占据一定区域，并且在某些特征和周围图像有所区别，我们经常利用这些细微的区别使用图像处理技术，通过计算机来获取该区域的相关信息。眼睛作为人脸的特征部位，其位置重要并且对于人脸信息相关问题的处理检测有着很重要的意义，如果人眼位置定位准确可以提高识别和检测的准确性及检测速度，还具有降低识别算法复杂度的作用，可以提高处理速度，使得后续的检测操作更加容易，算法处理更加简便，所以实现较为精确地眼睛定位是至关重要的。 　　本文的算法是在二值化图像的基础上进行的，采用迭代法阈值分割的方法将图像进行二值化分割，关于人脸区域识别方法的选取，文章考虑到肤色分割受光线影响较大的问题，选用了基于图像网络分割的人脸识别，先将脸部图像分割成多个小块，将分割形成的各个小块单独进行处理，对每个小块完成相应的检测，从而可以识别出整个人脸区域。人眼定位算法的选取，本文使用了快速Hough圆检测变换方法，该方法在噪声较大的环境下也能有很好的检测结果，并且对于数据的处理量较低，计算时长较短，满足对人眼检测实时性的要求，通过检测图像来看，该方法实验效果较优，人眼的定位清晰，该方法满足本文所需，是一种优秀的人眼识别算法。 　　2 图像二值化分割算法 　　阈值分割法是一种简单有效的图像分割方法，可以将图像中所需的有意义的特征区域提取出来，利用阈值大小的不同区分物体及背景，阈值的选择需要根据具体问题来确定，对于给定的图像，通过分析直方图确定最佳阈值，以用来进行物体与背景的判定。 　　利用迭代法进行阈值分割首先选定一个近似的阈值，将原始图像分割成为两部分，计算两区域的均值，选择两区域均值的均值为新的阈值进行下一次分割，重复以上步骤的直至均值不再发生变化为止，迭代法以近似和逼迫的思想为主，该方法能区分物体和背景优于双峰法对细节的处理更加精细。该方法规定一个特定阈值作为初始的阈值估计值，按照一定的规律方法进行一步步的细化阈值，这个方法的关键在于如何选择合适的阈值进行迭代改进，正确的阈值选择有连个特征分别为首先能够快速的进行收敛，另外在迭代过程中新产生的阈值比上一次更优，其具体算法为： 　　利用闭值兀把图像分割成两个区域：和，用（1）（2）式计算区域和凡的灰度均值和。 　　重复上述步骤，直到和的差小于某个给定值。 　　通过该方法可知当图像中目标和背景像素灰度呈正态分布并且标准差相等，目标和背景的像素比例相等时， 可得到最佳分割阈值为目标和背景像素灰度均值的平均值。在本文的算法中，利用迭代阈值分割法的语句更加简洁更容易理解，可操作性较强，从实验所得的效果上来分析，该算法能较好地实现实验目的，并且迭代法抗干扰能力?^强，迭代法每次运行所选阈值都比上一次更优，可根据具体环境的要求设定阈值大小，实验操作更加灵活。所以，在相同实验条件下，本文优先选用迭代式阈值分割算法对给定图像进行二值化分析，经过迭代法阈值分割算法得到的二值图像特征分割清晰，细节展示清楚，主要特征不会发生丢失。 　　3 利用图像网络分析进行人脸识别 　　本文采用了图像网络分析法来进行人脸的特征识别，首先将目标图像进行网络化分割，分割后图像变为小方块，要对这些小方块进行去噪声分析和灰度化常规预处理这些基本操作，对进行完基本操作的的小块图像进行人脸的识别，并且判断小方块图像是否位于人脸的相关区域，将识别成功的小方块进行整合就是整个的人脸区域。 　　首先，将图片进行二值化，利用中值滤波法对二值图进行去噪声处理和预处理的基本操作，使图像满足后续处理要求。其次，对图像进行分割，本文中对目标图像采取10*10的分割方法，将图像分割成100个小方块，对于不同的图像可以根据具体要求灵活的划分分割区域的大小，然后对于每个小方块单独进行分析检测，对黑色像素的比例进行统计，对满足面部的小方块进行标记，然后对小方块进行逐个的列变换和行变换，每个小方块进行相同的检测，最后把满足需求的小方块进行整合，这就是所得到的人脸识别区域。