專利名稱：優(yōu)化的人臉識別預(yù)處理方法
技術(shù)領(lǐng)域：
本專利涉及一種人臉識別預(yù)處理方法，尤其涉及結(jié)合人臉識別預(yù)處理中的基于小波分頻 和優(yōu)化的傳統(tǒng)人臉識別預(yù)處理方法。
背景技術(shù)：
隨著社會的發(fā)展和科技的進步，人臉識別的研究越來越受到重視，它在身份驗證，訪問 控制，安全檢測和監(jiān)控，人機智能互動等應(yīng)用領(lǐng)域發(fā)揮著潛在的作用。人臉識別系統(tǒng)是一個 復(fù)雜的系統(tǒng)，其中處理的對象大部分都是人臉圖像數(shù)據(jù)，這些圖像包括動態(tài)的視頻序列圖像 和靜態(tài)的人臉與場景圖像。人臉圖像的獲取過程中受背景、姿態(tài)、光照等環(huán)境因素的影響， 會導(dǎo)致人臉圖像信息在幾何、光線、質(zhì)量等都有內(nèi)在的不同，這給人臉的檢測和識別帶來很 大的困難。對圖像的預(yù)處理是提高人臉識別率的關(guān)鍵之一，其中光照問題一直是圖像預(yù)處理 中的一個非常重要而又難以解決的問題。相關(guān)的研究表明，同一個人的人臉圖像在不同的光
照條件并且經(jīng)過經(jīng)典的人臉識別方法特征提取后引起的差異，往往要大于不同的人在相同光 照條件下的人臉圖像的差異。在過去的十年中，許多研究機構(gòu)致力于這一領(lǐng)域的研究，取得 了一系列的成果。盡管如此，可以說，還沒有一個完全的解決方案可以在毫無約束的情況下 出色地完成人臉定位，識別任務(wù)。環(huán)境光線的變化是影響人像識別精度的主要因素之一，因 此在實驗室環(huán)境的實現(xiàn)方法中，當(dāng)環(huán)境光線變化時，傳統(tǒng)的試驗方法會變得不可用。很明顯， 假如不能減少環(huán)境因素對識別帶來的不利影響，人臉識別正確率會很難進一步的提高。
人臉識別技術(shù)包括人臉檢測、人臉預(yù)處理、特征提取和人臉識別。如何有效地對人臉圖 像進行預(yù)處理，在復(fù)雜光照環(huán)境下和不同姿態(tài)下對人臉圖像進行改善是人臉識別重要的解決 問題的。傳統(tǒng)的人臉圖像預(yù)處理技術(shù)有小波變換、尺度歸一化、灰度歸一化，中值濾波，但 這些方法各有千秋。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對已有的技術(shù)存在的缺陷，提供一種優(yōu)化的人臉識別預(yù)處理方法， 調(diào)整人臉圖像的灰度，增強對比度，提高復(fù)雜光照環(huán)境下和不同姿態(tài)下的人臉識別效率。 為達到上述目的，本發(fā)明構(gòu)思是
一種基于小波分頻的多方法融合的圖像預(yù)處理方法，該方法在小波分頻的基礎(chǔ)上，將尺 度歸一化、灰度歸一化以及優(yōu)化的中值濾波方法融合在一起，實現(xiàn)了一種魯棒性更強且對糾 正非均勻光照下人臉識別系統(tǒng)的圖像預(yù)處理方法，并且有效的提高了復(fù)雜光照下的人臉識別 的識別率。小波變換的定義是把某一被稱為小波基(也叫母小波mother wavelet)的函數(shù)T(/)做位移 r后，再在不同尺度"下與待分析的信號x(f)做內(nèi)積
『7; O， r) = ; f°(^1^,," > 0 ①
等效的頻域表示是
jrrx(a,7)=丑廠ZO)4^(咖)e麵^," > 0 ② 式中和分別是x")和y(/)的傅立葉變換
可以這樣理解上面的表達式意義就好比我們用照相機鏡頭觀察目標x(O (即待分析信
號)，y(0代表鏡頭所起的作用(如濾波或巻積)。r相當(dāng)于是使鏡頭相對于目標平行移動，" 的作用相當(dāng)于鏡頭向目標推進或遠離。fl稱為尺度伸縮因子(scale factor), r稱為時(空)
間位移因子，(r，a)稱為時間-尺度參數(shù)，l用作能量的歸一化。
在分析圖像的離散小波變換之前，先簡單介紹一下離散的小波變換。因此我們僅考慮在
尺度和位移為fl-2、r-21，C/eZ)的網(wǎng)格進行采樣，這種離散化的小波稱為二進制小波
經(jīng)過這樣處理使得我們的分析即精確又有效。二進制小波對信號的分析同樣具有變焦距 的作用，假定最初我們選擇一個放大倍數(shù)，它對應(yīng)為觀測信號的某部分內(nèi)容。如果想進一步
觀看信號更細小的細節(jié)，則需要增加放大倍數(shù)，即減小y值。
對于許多信號來說，低頻分量是保持信號特征的重要部分，高頻分量則僅起到提供信號 細節(jié)的作用。對于一幅圖像，低頻分量是它的輪廓邊緣，高頻分量則是它的細節(jié)紋理?？紤]
用多個分辨率對一個平方可積分函數(shù)(^)e^(i )進行逼近。如果它是一信號，那么"用可變 分辨率2力去逼近它"也可以敘述為"用分辨率2力取出信號細節(jié)來進行分析"。根據(jù)Mallat 算法計算多分辨率小波變換，設(shè)"/(0和cZ)/(0分別為第J'層的逼近(粗糙)信號和細節(jié) 信號。c^./")可以分解為粗糙像和細節(jié)之和同樣，對于圖像的處理，我們需要將一維的離散小波變換擴展成二維的離散小波變換， 這種二維的小波變換將第y層的逼近系數(shù)分解成7 + 1層的逼近系數(shù)和三個方向的細節(jié)系數(shù) 水平、垂直和對角方向，如圖(圖la)。相反(圖1 b)是二維離散小波重構(gòu)，基本過程是分解
過程的逆變換。圖中E^意味著對圖像的列數(shù)據(jù)點進行向下采樣(保留偶數(shù)列)；EI3是對 圖像的行數(shù)據(jù)進行向下采樣(保留偶數(shù)行)。E^1是對行數(shù)據(jù)進行向上采樣(在奇數(shù)行插入0);內(nèi)各灰度像素出現(xiàn)的次數(shù)，記為",，Ze
，令"為各灰 度級像素總數(shù)，記^=5， z'e
;
(2) 灰度變換_/ = 255><^&，即經(jīng)過灰度映射后得到灰度y 。
本方法中針對在對人臉圖像預(yù)處理過程中會產(chǎn)生椒鹽噪聲，提出一種基于中值濾波的帶 有噪聲檢測步驟的改進濾波方法?？紤]到噪聲點的像素具有幾乎都是領(lǐng)域像素的極值的特性， 所以在處理該像素的時候，首先看該像素是否似乎濾波窗口所覆蓋下臨域像素的極大或者極
小值，如果是，則用一般的中值濾波進行處理該像素；如果不是，則不處理。根據(jù)設(shè)定閾值 標記出噪聲點，在?！舴窃肼朁c的基竭上，只對噪聲點進行處理，在濾波噪聲的同時可以很好地保護圖像的細節(jié)，且計算簡便。由于窗口中心點的灰度值須同周圍相鄰所有點的灰度值 進行比較分析，因此濾波窗口的大小設(shè)定為3x3，窗口范圍對應(yīng)中心像素為 ，實現(xiàn)步驟如
下
(1) 設(shè)濾波判定閾值a， / 。圖形白椒鹽噪聲的灰度范圍為[255- ，255]，黑椒鹽噪聲 的灰度范圍為
內(nèi)各灰度像素出現(xiàn)的次數(shù)，記為",，k
，令"為各灰度級像素總 數(shù)，記/^=丘，
;
上述步驟(6)中的將直方圖均衡化的低頻分量同高頻分量進行小波重構(gòu)將直方均衡化的低
頻分量同高頻分量進行小波重構(gòu)，其基本過程是分解過程的逆變換。
上述步驟(7)針對產(chǎn)生的椒鹽噪聲進行濾波處理是用一種基于中值濾波的帶有噪聲檢測
步驟的濾波方法進行處理，濾波窗口的大小設(shè)定為3x3，窗口范圍對應(yīng)中心像素為 .，具體 操作步驟如下
① 設(shè)濾波判定閾值《， /5。圖形白椒鹽噪聲的灰度范圍為[255-",255],黑椒鹽噪聲的 灰度范圍為
。
② 計算窗口像素中值。窗口內(nèi)的9個像素設(shè)為^。,^...,18;)，其中，值為附"^。,^...，;^。
②_/ = 255xZA，即經(jīng)過灰度映射后得到灰度7 。
9③如果窗口范圍內(nèi)的中心元素 在[Aol范圍內(nèi)， 點是為信號點，則輸出原值，相反， 則^點視為噪聲點，輸出灰度值用/^^(^,^,...,18)代替。
本發(fā)明和現(xiàn)有技術(shù)對比，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點 本發(fā)明中的直方圖均衡化和小波變換人臉圖像預(yù)處理方法都具有一定的光照預(yù)處理效 果，但是傳統(tǒng)的直方圖均衡化方法從圖像增強的角度出發(fā)， 一方面使得變換后圖像的灰度級 減少，某些細節(jié)丟失，另一方面圖像通常含有不同類型的噪聲，直方圖均衡算法在拉伸高頻 灰階的動態(tài)范圍時也會相應(yīng)的放大噪聲。小波變換由于其多尺度、多分辨率的固定特性以及 完善的重構(gòu)能力，保證了信號在分解過程沒有任何信息損失，也不會產(chǎn)生冗余信息，小波變 換把原始圖像分解為逼近圖像(低頻信息)和細節(jié)圖像(高頻信息)之和，分別代表了圖像 的不同結(jié)構(gòu)。低頻部分反映的是平滑區(qū)，而邊緣、細節(jié)、噪聲一般存在于高頻部分。因此， 本專利方法首先對原始的人臉圖像進行尺度歸一化，減少背景的影響，然后通過小波變化將 人臉圖像分為低頻部分和高頻部分，此時再對提取的低頻部分進行直方圖均衡化處理一般不 會使圖像的細節(jié)模糊，也不會放大圖像原有的噪聲，對重構(gòu)的人臉圖像進行優(yōu)化的中值濾波 方法進行處理，通過設(shè)定閾值標記出噪聲點，可以很好的消除噪聲點，保護圖像的細節(jié)，克 服了傳統(tǒng)的中值濾波方法在濾除噪聲的同時也改變了一些非噪聲點的值，對圖像造成模糊。 最后將預(yù)處理好的人臉圖像用PCA算法進行訓(xùn)練，采用最小歐式距離進行辨別，顯著提高了 人臉圖像的識別率。


圖l是二維小波變換流程框圖。途中的(a)為二維離散小波分解，圖(b)是二維四散小波重構(gòu)。
圖2是一層圖像小波分解圖像。圖中(a)為原始圖像，(b)為低頻分量，(c)為水平高頻分
量，(d)為垂直高頻分量，(e)為對角高頻分量。
圖3是圖像糾正圖。
圖4是本發(fā)明的優(yōu)化的人臉識別預(yù)處理方法較佳實施例的流程圖。
具體實施例方式
本發(fā)明的一個實施例結(jié)合

如下
參見圖4，本優(yōu)化的人臉識別預(yù)處理方法是在小波分頻的基礎(chǔ)上，將尺度歸一化、灰度
歸一化以及優(yōu)化的中值濾波方法融合在一起，對光照不均勻的人臉灰度圖像有較好的改善效果，并且提高了復(fù)雜光照環(huán)境下和不同姿態(tài)下的人臉識別的效率；具體操作步驟如下-
(1) 采集原始人臉圖像，
(2) 圖像灰度轉(zhuǎn)換，
(3) 尺度歸一化，
(4) 兩層小波變換，得到低頻分量和高頻分量，
(5) 對低頻分量進行直方圖均衡化，
(6) 將直方圖均衡化的低頻分量同高頻分量進行小波重構(gòu)，
(7) 針對產(chǎn)生的椒鹽噪聲進行濾波處理，從而得到預(yù)處理圖像。 具體操作步驟如下-
1. 將攝像裝置安裝于適當(dāng)位置，在被檢測人進入攝像范圍內(nèi)后進行圖像采集，得到含有 人臉圖像的原始圖像。
2. 對所得到的原始圖像利用上述灰度轉(zhuǎn)化公式⑤進行灰度轉(zhuǎn)化，得到一幅包含人臉圖像 的灰度圖像。
3. 用尺度歸一化方法對人臉灰度圖像進行處理，得到128xl28像素大小的人臉圖像，這 樣做的目的一是為了滿足下一步的Daubechies-2小波分解，二是有利于預(yù)處理之后的圖像進 行人臉特征的提取。
4. 對尺度歸一化的人臉灰度圖像逐次進行小波變換，這是本算法的關(guān)鍵。經(jīng)過多次小波 分解后的低頻分量反映圖像的整體和面的關(guān)系，而高頻分量反映圖像的細節(jié)和點的關(guān)系。本 方法中選用Daubechies-2小波，對圖像進行兩層小波變換，分解后得到一個低頻分量和六個 高頻分量。
5. 對圖像進行兩層小波變換后的低頻分量iZ2進行灰度均衡化。只對低頻圖像做灰度調(diào) 整，而保持高頻部分的細節(jié)圖像不變，由于ZX2分量反映的是圖像的整體和面的關(guān)系，所以 直方圖均衡化在增強對比度的同時不會產(chǎn)生灰度級合并及放大噪聲。
6. 將直方圖均衡化的低頻分量同其余六個高頻分量進行小波重構(gòu)，從而得到重構(gòu)后的人 臉灰度圖像。
7. 針對前面幾步所產(chǎn)生的椒鹽噪聲，對步驟4的人臉灰度圖像采用優(yōu)化的中值濾波方法， 該方法能非常有效地去除突發(fā)噪聲點，幾乎不影響邊緣并保持住圖像的細節(jié)，體現(xiàn)出良好的 濾波特性。
本實施例中處理的樣本是我們通過攝像頭采集得到的人臉圖像庫。人臉圖像庫包括40個 人在不同時間拍攝的沒人10幅圖像，共400幅256灰度級的圖像，大小為128X128。此外，人臉圖像庫的人臉圖像為正視圖像，傾斜變化和旋轉(zhuǎn)變化在20%左右，人臉圖像的背景光線 有一定變化，人臉表情也不一樣(包括睜眼和閉眼，微笑和不笑，有戴眼鏡和不戴眼鏡時的 圖像)。最后將人臉圖像庫用本預(yù)處理方法進行處理，處理好的人臉庫作為人臉識別算法訓(xùn)練 樣本和測試樣本集。
本方法主要考慮了光照不均勻?qū)θ四樧R別系統(tǒng)的影響，通過小波變換多尺度、多分辨率 的特點和優(yōu)化的傳統(tǒng)圖像預(yù)處理方法，提出了基于小波分頻的多方法融合的圖像預(yù)處理方法， 對光照不均勾和姿態(tài)不同的人臉灰度圖像有較好的改善效果，既減少了噪聲，又增強了對比 度。
隨著科技的進步和經(jīng)濟建設(shè)的飛速發(fā)展，性能優(yōu)越的人臉識別系統(tǒng)具有非侵犯性、主動 性、方便有好等特點，因而有更廣闊的應(yīng)用前景，成為人工智能、模式識別等學(xué)科的研究熱 點。同時，本方法提高了復(fù)雜光照環(huán)境下和不同姿態(tài)下的人臉識別的效率，其技術(shù)應(yīng)用領(lǐng)域 廣泛。因此，在我國科技不斷發(fā)展的推動下，本專利的申請與相應(yīng)產(chǎn)品的研制成功并投放市 場，對人臉識別系統(tǒng)的圖像預(yù)處理算法的進一步發(fā)展將起到積極的推動作用。
權(quán)利要求
1. 一種優(yōu)化的人臉識別預(yù)處理方法，其特征在于小波分頻的基礎(chǔ)上，將尺度歸一化、灰度歸一化以及優(yōu)化的中值濾波方法融合在一起，對光照不均勻的人臉灰度圖像有較好的改善效果，并且提高了復(fù)雜光照環(huán)境下和不同姿態(tài)下的人臉識別的效率；具體操作步驟如下(1)采集原始人臉圖像，(2)圖像灰度轉(zhuǎn)換，(3)尺度歸一化，(4)兩層小波變換，得到低頻分量和高頻分量，(5)對低頻分量進行直方圖均衡化，(6)將直方圖均衡化的低頻分量同高頻分量進行小波重構(gòu)，(7)針對產(chǎn)生的椒鹽噪聲進行濾波處理，從而得到預(yù)處理圖像。
2. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(l)的采集原始人 臉圖像是由攝像裝置采集得到含有人臉圖像的原始圖像。
3. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(2)的圖像灰度轉(zhuǎn) 換是將原始人臉圖像根據(jù)公式/(/，力=0.114><1(/，_/,1)+0.587><1(/,/,2) + 0.229><1(/，/,3)得到人臉的灰度圖像，其中/表示圖像的行位置，J'表示圖像的列位置，/(/J)表示轉(zhuǎn)換后的灰 度圖像中第/行第_/列的象素的灰度值，I(z'，,l)， 1(z'J,2)和I(/,y,3)分別表示彩色圖像中第z'行第y列的象素的i ,G,S分量的值。
4. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(3)的尺度歸一化 是，尺度歸一化采用雙線性插值法，輸出像素是它在輸入圖像中2X2領(lǐng)域采樣點的平均 值，它是根據(jù)某像素周圍4個像素的灰度值，在水平和垂直兩個方向上對其插值；設(shè)m</'<m + l， "</<"+1， " = /'-w， 6 = /-"，其中/和/是要插值點的坐標，則雙線性插 值的公式為水_/)=(1-fl)(l-6)g(—+o(l-'按上式計算出 來的值賦予圖像幾何變換對應(yīng)于(/',/)處的像素，即可實現(xiàn)雙線性插值。
5. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(4)中的兩層小波 變換是采用Daubechies-2小波進行小波分解，即將第y'層的逼近系數(shù)分解成y + l層的逼近系數(shù)和三個方向的細節(jié)系數(shù)水平、垂直和對角方向，設(shè)c^/(0和c^/(0分別為第y' 層的粗糙信號和細節(jié)信號；"/(0可以分解為粗糙像"^/W和細節(jié)ciVt/W之和c4/(0 = c^.+1/0) + cZ);+1/0);此外，Daubechies-2小波是目前應(yīng)用較為廣泛的小波，該小波不能用解析式給出，只能通過迭代方法產(chǎn)生，是迭代過程的極限；對128X128的人 臉灰度圖像進行兩層小波變換，分解后得到一個低頻分量和六個高頻分量，低頻部分反映 的是人臉圖像的平滑區(qū)，而邊緣、細節(jié)、噪聲一般都存在于高頻部分。
6. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(5)對低頻分量進 行直方圖均衡化的步驟如下① 統(tǒng)計
內(nèi)各灰度像素出現(xiàn)的次數(shù)，記為％， /e
，令"為各灰度級像素總數(shù)，記尸,5， ！'e
;② y、255x^A，即經(jīng)過灰度映射后得到灰度_/。
7. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(6)中的將直方圖 均衡化的低頻分量同高頻分量進行小波重構(gòu)將直方圖均衡化的低頻分量同高頻分量進行 小波重構(gòu)，其基本過程是分解過程的逆變換。
8. 根據(jù)權(quán)利要求1所述的優(yōu)化的人臉識別預(yù)處理方法，其特征在于所述步驟(7)針對產(chǎn)生的椒 鹽噪聲進行濾波處理是用一種基于中值濾波的帶有噪聲檢測步驟的濾波方法進行處理， 濾波窗口的大小設(shè)定為3x3，窗口范圍對應(yīng)中心像素為 ，具體操作步驟如下① 設(shè)濾波判定閾值"，-。圖形白椒鹽噪聲的灰度范圍為[255-a，255]，黑椒鹽噪聲的灰度范圍為[O，"]。② 計算窗口像素中值。窗口內(nèi)的9個像素設(shè)為(;c。,Xi,…,X8;)，其中，值為附^^。,^,...,;^。③ 如果窗口范圍內(nèi)的中心元素 在[Aa]范圍內(nèi)， 點是為信號點，則輸出原值，相反，則、點視為噪聲點，輸出灰度值用附^^。，^，...,^代替。
全文摘要
本發(fā)明涉及一種優(yōu)化的人臉識別預(yù)處理方法。該方法首先將從攝像機中得到的彩色人臉圖像轉(zhuǎn)化為灰度圖像，接著對灰度圖像進行尺度歸一化處理使得人臉圖像都有相同的尺寸和姿勢，然后利用小波變換將人臉圖像分解為低頻分量和高頻分量，并且僅對低頻分量作直方圖均衡化處理，將處理過的低頻分量與各高頻分量進行小波重構(gòu)，最后對重構(gòu)的圖像用優(yōu)化的中值濾波處理。本方法調(diào)整了人臉圖像的灰度范圍，增強了對比度，對于亮度較高的人臉灰度圖像有較好的改善效果，提高了復(fù)雜光照環(huán)境下和不同姿態(tài)下的人臉識別效率。
文檔編號G06K9/00GK101430759SQ20081020395
公開日2009年5月13日 申請日期2008年12月4日 優(yōu)先權(quán)日2008年12月4日
發(fā)明者旭 吳, 周賢君, 針 方, 衎 王, 王裕友, 胡金演, 鳳 郭 申請人:上海大學(xué)