图像预处理方法.pdfVIP

-

预处理就是在图像分析中，对输入图像进展特征抽取等前所进展的处理。输入图像

由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，

比照度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和

位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对

图像进展预处理。图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，

恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征

抽取的可靠性.

人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸

扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅

在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是

取得尺寸一致，灰度取值围一样的标准化人脸图像[4]。

2.1几何规化

由于图像在提取过程中易受到光照、表情、姿态等扰动的影响,因此在识别之前需

要对图像做归一化的预处理[4],通常以眼睛坐标为基准点,通过平移、旋转、缩放等几何

仿射变换对人脸图像进展归一化。因为人脸虽然是柔性的三维曲面,同一人脸因表情变

化会有差异,但相对而言人的两眼之间的距离变化不会很大,因此双眼的位置及眼距,就

成为人脸图像归一化的依据。

定位眼睛到预定坐标,将图像缩放至固定大小。通过平移、旋转、缩放等几何仿射

变换,可以对人脸图像做几何规化处理,仿射变换的表达式为:

aa0

1112

[x,y,1][u,v,1][a21a220](2-1)

aa1

3132

其中(u,v)表示输入图像中像素的坐标(*,y)表示输出图像中像素的坐标。将上式展

开可得

xauava

112131

(2-2)

ya12ua22va32

平移变换就是给图像中的所有点的坐标都加上u和v,其变换表达式为

.z

-

100

[x,y,1][u,v,1][010](2-3)

uv1



将图像中的所有点相对于坐标原点逆时针旋转角的变换表达式为

cossin0

[x,y,1][u,v,1][sincos0](2-4)

001

缩放变换既是将图像按给定的比例放大或缩小,当r1时图像被放大,当0r1

r

时图像被缩小,其变换表达式为

r00

[x,y,1][u,v,1][0r0](2-5)

001

本论文在对人脸图像特征提取之前，首先对所有的图