图像处理技术在人脸识别中的应用.doc

图像解决技术在人脸辨认中的应用

摘要：人脸辨认技术是一种比较容易被人们接受的非侵犯性辨认方法，在使用上较指纹、掌纹、虹膜等其它的生物特性更加和谐、直接和方便。图像的预解决工作在人脸辨认过程中发挥着很重要的作用，直接关系到人脸辨认的准确率，因此，在人脸的检测和定位前对图像进行预解决是非常必要的。本文简朴介绍了人脸辨认的基本过程，重要分析了人脸辨认中的图像解决技术，如图像的灰度化解决、中值滤波、直方图均衡化和小波变换等，并在MATLAB中实现。

关键词：人脸辨认预解决灰度图像小波变换

中图分类号：TP391文献标记码：A文章编号：1674-098X（2023）01（a）-0022-02

人脸辨认是近年来模式辨认、机器视觉、神经网络、图像解决等领域研究的热点课题之一。人脸辨认系统一方面通过摄像头获取待辨认对象的面部图像，再运用核心算法对其面部特性进行计算分析，进而和数据库中的信息进行比对，最后进行人脸辨认，达成判断出用户的真实身份的目的。这是一项比较高端的计算机图像解决技术。

1人脸辨认过程

一个完整的人脸辨认过程大体分为以下几个环节，如图l所示。

人脸辨认一方面是对待训练图像进行预解决，减少因光照、尺寸、角度、表情等因素对辨认率导致的影响，然后进行人脸检测与定位，接着对所定位到的人脸图像进行特性提取，将所得的人脸特性存入数据库，作为人脸辨认的依据。辨认时，同样是对待辨认人脸图像进行人脸图像预解决、人脸检测与定位、特性提取，然后将所得特性与数据库中的人脸特性进行比对，从而得到人脸辨认结果。

2人脸辨认中的图像解决技术

图像在采集过程中，由于受光线等外部环境因素和摄像头、采集卡噪声等内部因素的影响，采集到的人脸图像绝大多数不能满足辨认的规定，因此对人脸图像进行预解决是人脸辨认中非常重要的一步。

2.1图像的灰度化解决

采集到的人脸图像通常可以分为彩色图像和灰度图像。图像的灰度化解决过程即为将彩色图像转化成为灰度图像的过程。运用彩色图像的颜色信息进行辨认往往会受到复杂背景的干扰，影响辨认效果。然而灰度图像具有易于解决的优点，因此人脸辨认一般以灰度图像为研究对象。对于人脸的彩色图像，可一方面对其进行灰度化解决。灰度图像的每个像素只有一个采样颜色，通常显示为从最暗的黑色（0，0，0）到最亮的白色（255，255，255）的灰度，其中一个像素点RGB分量的变化范围是0到255，所认为了使后续的图像的计算量更简朴，在进行人脸检测之前一般先将各种格式的图像转变成灰度图像。

灰度图像仍然反映了整幅图像的局部和整体的亮度、色度等级的特性和分布。彩色图像与灰度图像之间的各RGB分量相应关系见式（1），根据该公式我们就可以将一幅彩色图像转换成灰度图像。

（1）

2.2中值滤波

我们所得到的灰度图像，无论是直接获取还是由彩色图像转换，都避免不了噪声的存在，噪声对图像的质量具有很大的影响。中值滤波在去除孤点噪声的同时，还可以很好地保持图像的边沿特性。在一定条件下，中值滤波可以解决线性滤波器解决图像细节模糊的问题，并且对图像扫描噪声和滤除脉冲干扰都非常的有效，但是，对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波是将一个具有奇数点的窗口在图像上扫描，然后把该窗口扫描到的像素点按照灰度值级进行上升或下降排序，取中间的灰度值来代替该点的灰度值，即：

（3-2）

常用的滤波器的采样窗口如下所示：

方窗十字窗中心加权窗菱形窗

2.3灰度归一化

对图像进行灰度归一化解决是对图像进行光照补偿等解决的有效措施，其中比较典型的方法是直方图的均衡化。灰度变换的一个重要应用即是直方图的均衡化，它高效且易于实现，在图像增强解决中应用极为广泛。图像像素的灰度变化范围呈随机分布，直方图的图形呈高低不齐分布，直方图均衡化就是用一定的算法使灰度直方图大体平和。均衡化的图象的动态范围虽然扩大了，但其主线是减少量化级别，扩大量化间隔。因此，本来像素不同的灰度通过解决后也许变的相同了，形成了一片具有相同灰度级的区域。进行直方图均衡化，是对图像中像素个数少的灰度级进行缩减，而对像素个数多的灰度级进行展宽，使图像的灰度分布范围相对均衡，要尽也许的覆盖所有的灰度级，没有占绝对优势或者绝对劣势的像素，从而达成清楚图像的目的。

2.4几何归一化

在获取原图像时，由于被拍摄人所处的位置、成像距离、光照强度等因素的影响，也许会导致同一个人在不同照片中的人脸大小、位置等也不同，而我们在辨认中用到的算法经常使用整幅图像，假如原始图像不通过解决，则会影响到人脸辨认的效率，因此要对图像进行几何归一化，以达成不同的人脸图像大小相同、人脸的关键