优化的人脸识别预处理方法技术

本发明专利技术涉及一种优化的人脸识别预处理方法。该方法首先将从摄像机中得到的彩色人脸图像转化为灰度图像，接着对灰度图像进行尺度归一化处理使得人脸图像都有相同的尺寸和姿势，然后利用小波变换将人脸图像分解为低频分量和高频分量，并且仅对低频分量作直方图均衡化处理，将处理过的低频分量与各高频分量进行小波重构，最后对重构的图像用优化的中值滤波处理。本方法调整了人脸图像的灰度范围，增强了对比度，对于亮度较高的人脸灰度图像有较好的改善效果，提高了复杂光照环境下和不同姿态下的人脸识别效率。

【技术实现步骤摘要】

本专利涉及一种人脸识别预处理方法，尤其涉及结合人脸识别预处理中的基于小波分频 和优化的传统人脸识别预处理方法。
技术介绍
随着社会的发展和科技的进步，人脸识别的研究越来越受到重视，它在身份验证，访问 控制，安全检测和监控，人机智能互动等应用领域发挥着潜在的作用。人脸识别系统是一个 复杂的系统，其中处理的对象大部分都是人脸图像数据，这些图像包括动态的视频序列图像 和静态的人脸与场景图像。人脸图像的获取过程中受背景、姿态、光照等环境因素的影响， 会导致人脸图像信息在几何、光线、质量等都有内在的不同，这给人脸的检测和识别带来很 大的困难。对图像的预处理是提高人脸识别率的关键之一，其中光照问题一直是图像预处理 中的一个非常重要而又难以解决的问题。相关的研究表明，同一个人的人脸图像在不同的光照条件并且经过经典的人脸识别方法特征提取后引起的差异，往往要大于不同的人在相同光 照条件下的人脸图像的差异。在过去的十年中，许多研究机构致力于这一领域的研究，取得 了一系列的成果。尽管如此，可以说，还没有一个完全的解决方案可以在毫无约束的情况下 出色地完成人脸定位，识别任务。环境光线的变化是影响人像识别精度的主要因素之一，因 此在实验室环境的实现方法中，当环境光线变化时，传统的试验方法会变得不可用。很明显， 假如不能减少环境因素对识别带来的不利影响，人脸识别正确率会很难进一步的提高。人脸识别技术包括人脸检测、人脸预处理、特征提取和人脸识别。如何有效地对人脸图 像进行预处理，在复杂光照环境下和不同姿态下对人脸图像进行改善是人脸识别重要的解决 问题的。传统的人脸图像预处理技术有小波变换、尺度归一化、灰度归一化，中值滤波，但 这些方法各有千秋。
技术实现思路
本专利技术的目的在于针对已有的技术存在的缺陷，提供一种， 调整人脸图像的灰度，增强对比度，提高复杂光照环境下和不同姿态下的人脸识别效率。 为达到上述目的，本专利技术构思是一种基于小波分频的多方法融合的图像预处理方法，该方法在小波分频的基础上，将尺 度归一化、灰度归一化以及优化的中值滤波方法融合在一起，实现了一种鲁棒性更强且对纠 正非均匀光照下人脸识别系统的图像预处理方法，并且有效的提高了复杂光照下的人脸识别 的识别率。小波变换的定义是把某一被称为小波基(也叫母小波mother wavelet)的函数T(/)做位移 r后，再在不同尺度"下与待分析的信号x(f)做内积『7; O， r) = ; f°(^1^,," > 0 ①等效的频域表示是jrrx(a,7)=丑厂ZO)4^(咖)e麵^," > 0 ② 式中和分别是x")和y(/)的傅立叶变换可以这样理解上面的表达式意义就好比我们用照相机镜头观察目标x(O (即待分析信号)，y(0代表镜头所起的作用(如滤波或巻积)。r相当于是使镜头相对于目标平行移动，" 的作用相当于镜头向目标推进或远离。fl称为尺度伸縮因子(scale factor), r称为时(空)间位移因子，(r，a)称为时间-尺度参数，l用作能量的归一化。在分析图像的离散小波变换之前，先简单介绍一下离散的小波变换。因此我们仅考虑在尺度和位移为fl-2、r-21，C/eZ)的网格进行采样，这种离散化的小波称为二进制小波经过这样处理使得我们的分析即精确又有效。二进制小波对信号的分析同样具有变焦距 的作用，假定最初我们选择一个放大倍数，它对应为观测信号的某部分内容。如果想进一步观看信号更细小的细节，则需要增加放大倍数，即减小y值。对于许多信号来说，低频分量是保持信号特征的重要部分，高频分量则仅起到提供信号 细节的作用。对于一幅图像，低频分量是它的轮廓边缘，高频分量则是它的细节纹理。考虑用多个分辨率对一个平方可积分函数(^)e^(i )进行逼近。如果它是一信号，那么"用可变 分辨率2力去逼近它"也可以叙述为"用分辨率2力取出信号细节来进行分析"。根据Mallat 算法计算多分辨率小波变换，设"/(0和cZ)/(0分别为第J'层的逼近(粗糙)信号和细节 信号。c^./")可以分解为粗糙像和细节之和同样，对于图像的处理，我们需要将一维的离散小波变换扩展成二维的离散小波变换， 这种二维的小波变换将第y层的逼近系数分解成7 + 1层的逼近系数和三个方向的细节系数 水平、垂直和对角方向，如图(图la)。相反(图1 b)是二维离散小波重构，基本过程是分解过程的逆变换。图中E^意味着对图像的列数据点进行向下采样(保留偶数列)；EI3是对 图像的行数据进行向下采样(保留偶数行)。E^1是对行数据进行向上采样(在奇数行插入0);内各灰度像素出现的次数，记为",，Ze，令"为各灰 度级像素总数，记^=5， z'e;(2) 灰度变换_/ = 255><^&，即经过灰度映射后得到灰度y 。本方法中针对在对人脸图像预处理过程中会产生椒盐噪声，提出一种基于中值滤波的带 有噪声检测步骤的改进滤波方法。考虑到噪声点的像素具有几乎都是领域像素的极值的特性， 所以在处理该像素的时候，首先看该像素是否似乎滤波窗口所覆盖下临域像素的极大或者极小值，如果是，则用一般的中值滤波进行处理该像素；如果不是，则不处理。根据设定阈值 标记出噪声点，在保—留非噪声点的基竭上，只对噪声点进行处理，在滤波噪声的同时可以很好地保护图像的细节，且计算简便。由于窗口中心点的灰度值须同周围相邻所有点的灰度值 进行比较分析，因此滤波窗口的大小设定为3x3，窗口范围对应中心像素为 ，实现步骤如下(1) 设滤波判定阈值a， / 。图形白椒盐噪声的灰度范围为，黑椒盐噪声 的灰度范围为内各灰度像素出现的次数，记为",，k，令"为各灰度级像素总 数，记/^=丘，;上述步骤(6)中的将直方图均衡化的低频分量同高频分量进行小波重构将直方均衡化的低频分量同高频分量进行小波重构，其基本过程是分解过程的逆变换。上述步骤(7)针对产生的椒盐噪声进行滤波处理是用一种基于中值滤波的带有噪声检测步骤的滤波方法进行处理，滤波窗口的大小设定为3x3，窗口范围对应中心像素为 .，具体 操作步骤如下① 设滤波判定阈值《， /5。图形白椒盐噪声的灰度范围为,黑椒盐噪声的 灰度范围为。② 计算窗口像素中值。窗口内的9个像素设为^。,^...,18;)，其中，值为附"^。,^...，;^。②_/ = 255xZA，即经过灰度映射后得到灰度7 。9③如果窗口范围内的中心元素 在[Aol范围内， 点是为信号点，则输出原值，相反， 则^点视为噪声点，输出灰度值用/^^(^,^,...,18)代替。本专利技术和现有技术对比，具有如下显而易见的突出实质性特点和显著优点 本专利技术中的直方图均衡化和小波变换人脸图像预处理方法都具有一定的光照预处理效 果，但是传统的直方图均衡化方法从图像增强的角度出发， 一方面使得变换后图像的灰度级 减少，某些细节丢失，另一方面图像通常含有不同类型的噪声，直方图均衡算法在拉伸高频 灰阶的动态范围时也会相应的放大噪声。小波变换由于其多尺度、多分辨率的固定特性以及 完善的重构能力，保证了信号在分解过程没有任何信息损失，也不会产生冗余信息，小波变 换把原始图像分解为逼近图像(低频信息)和细节图像(高频信息)之和，分别代表了图像 的不同结构。低本文档来自技高网...

【技术保护点】
一种优化的人脸识别预处理方法，其特征在于小波分频的基础上，将尺度归一化、灰度归一化以及优化的中值滤波方法融合在一起，对光照不均匀的人脸灰度图像有较好的改善效果，并且提高了复杂光照环境下和不同姿态下的人脸识别的效率；具体操作步骤如下：（１）采集原始人脸图像，　（２）图像灰度转换，　（３）尺度归一化，　（４）两层小波变换，得到低频分量和高频分量，　（５）对低频分量进行直方图均衡化，　（６）将直方图均衡化的低频分量同高频分量进行小波重构，（７）针对产生的椒盐噪声进行滤波处理，从而得到预处理图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：周贤君，郭凤，胡金演，王衎，吴旭，方针，王裕友，
申请(专利权)人：上海大学，上海天冠卫视技术研居所，
类型：发明
国别省市：31[中国|上海]