在人脸识别中的图像预处理.pdfVIP

在人脸识别中的图像预处理方法

张海洋

摘要-正在研究的人脸识别在模式识别中是一个热门的研究课题。主成分分析

的方法,通常用于人脸识别的特征提取,但它很容易受光照条件和面部表情变化等

因素的影响。因此,在提取特征之前,可以对图像预处理,从而提高人脸识别率。本

文介绍了在人脸识别中的一些预处理方法。首先,我们提出人脸识别及其应用的概

述;随后对预处理方法中的一些方法进行了介绍;最后,给出结论。

关键词-人脸识别;主成分分析;小波变换;DCT。

1.引言

人脸识别是一个重要的研究课题,横跨众多领域和学科。不仅有计算机科学的

研究者,同时也有心理学家和神经科学家都参与了这一区域。其原因是,人脸识别许

多实际应用,如银行卡的识别,访问控制,杯杆检索,安全监控和监控系统,是一项基本

的人类行为,是对人与人之间的有效沟通和互动的至关重要的因素。在视点,照明

和表情等不同情况下一种面部影象是很容易进行改变的。所以,第一个需要解决的

问题是什么特征可用于表示一张人脸,以便能够应对可能出现的变化和表达的差

异。因此,一些预处理方法应以在某种程度上减少这种情况为目的。图像的预处

理在人脸识别方面至关重要。使用一个很好的预处理的方法,可以提高人脸识别

率。

图像预处理方法

在本节中介绍了在特征提取之前进行的人脸图像的预处理方法。小波变换

小波变换技术在人脸识别方面是一个新的领域,它对一些旧的和新的学科产生

影响。C用傅里叶变换和Gabor变换相比,后者可以有效地提取有用的信息。因

此,它可以解决一些傅里叶变换不能解决的问题。小波变换提供了一个强大和灵活

的框架来用于图像处理,它被广泛应用于图像去噪,压缩,融合等领域。表情的变化

在样例图像个体的差异导致更高的频带的图像。小波变换的基本功能是

一维离散小波变换处理和重建的一个信号x(t被定义如下:

(((ttxnmWnm,,,ψ=

(((tnmWtnmn

m,,,χ∑=

二维小波变换是通过施加一维小波变换的二维数据的行和列得到的。一个近

似图像来源于1级图像的小波分解和三个细节图像在水平、垂直和对角方向上的

分解。近似图像被用于分解下一级图像

图1是图像分解的过程,图2是ORL人脸数据库中的图像,图3是1级小波变

换后获得的图像。

图1图像的过程过程

图2原始图像

图3一级小波变换后图像

B.离散余弦变换

在过去的二十年里,已经出现了多种研究分布离散余弦变换(DCT系数的图像

[3]。像其它变换一样,离散余弦变换(DCT企图解相关的图像数据。解相关后的各

变换系数可独立地进行编码,但没有压缩效率损失。长度为N的一维DCT变换序

列的最常见的DCT定义为:

((((⎥⎦⎤⎢⎣⎡+∂=∑-=NuxxfuuCNx212cos1

0πu=0,1,2,...,N-1二维DCT是一种直接扩展一维DCT的方法,定义为:

((((((⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡+∂∂=∑∑-=-=NvxNuxxfvuvuCNxNy212cos

212cos,101

0ππ在这两个等式中,(u∂和(v∂可以被定义为:

((⎪⎪⎩⎪⎪⎨⎧=∂∂N

Nvu210,0,≠=vuvu图4是图2经DCT变换后所得的图像

图4图2经过DCT变换后的图像

C.颜色标准化方法

颜色标准化方法主要包括强度归一化、灰色世界标准化、全面的彩色图像归

一化和标准色调的定义。让我们分别简单的介绍他们:

1强度归一化:著名的图像强度归一化法应用在这里,我们可以假定,对照明光

源的强度增加了一个因素,图像中每个像素的每个RGB组件是由相同的比例因子

组成的。我们可以通过除以以下的三个颜色成分的总和以去除效果:(⎪⎪⎭

⎫⎝⎛++++++=bgrbbgrgbgrrbgrnormnormnorm,,,,2灰色世界标准化:

在这里,我们采取一种方法,它类似于上述的归一化,但补偿变化的光源的颜色的效

果。图像的RGB颜色组件可以由不同颜色的光线导致规模分开,