在人脸识别中的图像预处理

1、在人脸识别中的图像预处理方法张海洋地 球 科 学 与 工 程 学 院 , 苏 州 大 学 学 院 , 苏 州 市 , 安 徽 省 , 中 国 , 234000 seazhang188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;

2、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

3、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:(t t x n m W n m , , ,

4、 =(t n m W t n m nm , , , =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

5、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:(+=-=N u x x f u u C N x 212cos 10 u = 0,1,2, . , N - 1 二维 DCT 是一种直接扩展一维 DCT 的方法,定义为:(+=-=-=N v x N u x x f v u v u C N x N y 212cos 212cos , 1010 在这两个等式中, (u 和 (v 可以被定义为:(=NN v u 21 0, 0, =v u v u 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

6、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: ( +=b g r b b g r g b g r r b g r norm norm norm , , , , 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

7、规模分开 , 分别由因子 、 和 。3全面的彩色图像归一化 :我们应用芬利森的算法,它可实现照明几何和光照 变化的图像颜色。 该方法涉及的强度归一化后的灰色世界正常化 (如上所述 的 重复,直到所得到的图像达到稳定状态。4 标准色调的定义 :图像的色调可以通过计算使用标准色调定义 , 比如每个像素 都表示为一个标量值 H : 5统计方法:统计方法主要有亮度,亮度水平,垂直亮度,当地的亮度和局部 亮度平均值。 这些统计方法应用转换到图像的强度值, 使所有图片的亮度和对 比度不变。其效果是,每一个图像的亮度看上去是相等的。 这些统计方法可以 以多种方式被应用, 主要是通过改变其中收集统计信息的图像

8、的区域。 没有必要 让照明条件在面部的所有点上相同,因为作为脸部本身就可以投射阴影。因此, 为了补偿在跨越单个脸时照明条件的变化,这些方法可以应用到面部的个别区 域。 这意味着,我们不仅补偿了从一个图像到另一个图像的照明条件的差别, 而且还补充了从一个区域到另一个区域的照明条件的差别。三 关于 ORL 的介绍数据库的面孔在本节中,我们将简要介绍通常用在在人脸识别中的 ORL 人脸库。该数据库包含了一组从到 1992年 4月至 1994年 4月间在实验室的人脸图像。 该数据库用于合作开展的言语, 视觉和剑桥大学工程系的机器人团队的脸部识别 项目中使用。数据库中有四十个人 , 每个人十图像对一些科

9、目 , 图片在不同时间拍摄 , 灯光 , 面部表情 (打开 /关闭眼睛 , 微笑 /不笑 变化和面部细节 (眼镜 / 没有眼镜 都不同。 所有的图像均采取在一个黑暗的均匀背景下的正面的位置(容忍一些小的偏移动作 。图 5 ORL数据库中的一些人脸图像四 结论 在本文中,我们简要介绍了人脸识别中使用的一些图像预处理方法。 PCA 方法的性能强度依赖于图像捕获条件, 它很容易受到光照条件、 不同的姿势和图像质量 等因素的影响 , 所以有必要预处理这些脸图像来提高识别率大多数时候,我们往 往结合两个或两个以上的预处理方法,以获得更好的效果。参考文献1 W. Zhao, R. Chellappa, A

10、. Rosenfeld, P.J. Phillips, Face Recognition: A Literature Survey, ACM Computing Surveys, 2003, pp. 399-458.2 Yugang Jiang, Ping Guo. “ Face Recognition by Combining Wavelet Transform and k-Nearest Neighbor. ” Journal of Communication and Computer,Vol.2,Sep.2005,pp.50-53.3 R. Samadani, A. Sundararaj

11、an, and A. Said, “ Deringing and deblocking DCT compression artifacts with efficient shifted transforms, ” in Proceedings of the International Conference on Image Processing (ICIP, 2004.4 Y . Adini, Y. Moses, S. Ullman. “ Face Recognition: the Problem of Compensating for Changes in Illumination Direction ” , IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 19,