摘要：人臉作為一種高普遍性、非接觸式采集的重要生物特征，正被越來(lái)越多地用來(lái)進(jìn)行身份鑒別。本文介紹了人臉識(shí)別的基本過(guò)程，簡(jiǎn)要分析了人臉識(shí)別中的圖像預(yù)處理技術(shù)，如直方圖變換、線性濾波、非線性濾波、圖像變換，并在MATLAB中實(shí)現(xiàn)。
　　關(guān)鍵詞： 人臉識(shí)別；傅里葉變換；中值濾波；圖像處理；MATLAB
　　中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A
　　
　　1引言
　　
　　人臉識(shí)別，特指利用分析比較人臉視覺(jué)特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。人臉識(shí)別技術(shù)應(yīng)用廣泛，可用于安全驗(yàn)證系統(tǒng)、醫(yī)學(xué)、檔案管理、銀行和海關(guān)的監(jiān)控系統(tǒng)及自動(dòng)門(mén)禁系統(tǒng)等［1］。與利用指紋、虹膜等其他人體生物特征進(jìn)行身份識(shí)別的方法相比，人臉識(shí)別更加友好、方便和隱蔽。因其巨大的應(yīng)用前景,以及其無(wú)可比擬的優(yōu)越性，人臉識(shí)別越來(lái)越成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)熱點(diǎn)。圖像預(yù)處理是人臉識(shí)別過(guò)程中的一個(gè)重要環(huán)節(jié)。輸入圖像由于圖像采集環(huán)境的不同，往往存在有噪聲，對(duì)比度不夠等缺點(diǎn)。為了保證人臉圖像中人臉大小、位置以及人臉圖像質(zhì)量的一致性，必須對(duì)圖像進(jìn)行預(yù)處理。
　　
　　2人臉識(shí)別的基本內(nèi)容和過(guò)程
　　
　　人臉識(shí)別(Face Recognition)一般可描述為：給定一靜止或動(dòng)態(tài)圖像，利用已有的人臉數(shù)據(jù)庫(kù)來(lái)確認(rèn)圖像中的一個(gè)或多個(gè)人。從廣義上講，其研究?jī)?nèi)容包括以下五個(gè)方面：
　　(1)人臉檢測(cè)(Face Detection)：即從各種不同的場(chǎng)景中檢測(cè)出人臉的存在并確定其位置。這一任務(wù)主要受光照、噪聲、頭部?jī)A斜度以及各種遮擋的影響。
　　(2)人臉表征(Face Representation)：即確定表示檢測(cè)出的人臉和數(shù)據(jù)庫(kù)中的己知人臉的描述方式。通常的表示方法包括幾何特征(如歐氏距離、曲率、角度等)、代數(shù)特征(如矩陣特征矢量)、固定特征模板、特征臉、云紋圖等。
　　(3)人臉鑒別(Face identification)：即通常所說(shuō)的人臉識(shí)別，就是將待識(shí)別的人臉與數(shù)據(jù)庫(kù)中的已知人臉比較，得出相關(guān)信息。這一過(guò)程的核心是選擇適當(dāng)?shù)娜四槺硎痉绞脚c匹配策略。
　　(4)表情分析(Facial expression Analysis)：即對(duì)待識(shí)別人臉的表情進(jìn)行分析，并對(duì)其加以分類(lèi)。
　　(5)物理分類(lèi)(Physical Classification)：即對(duì)待識(shí)別人臉的物理特征進(jìn)行分類(lèi)，得出其年齡、性別、種族等相關(guān)信息。
　　人臉識(shí)別的基本過(guò)程和框架如圖1所示。
　　人臉圖像采集預(yù)處理特征提取識(shí)別
　　預(yù)處理模塊主要完成人臉圖像質(zhì)量的改善，包括提高圖像對(duì)比度、消除噪聲等，可視具體應(yīng)用而選用。特征提取模塊完成提取人臉特征，如何提取穩(wěn)定和有效的特征是識(shí)別系統(tǒng)成敗的關(guān)鍵。本文將分析人臉識(shí)別中涉及的圖像處理技術(shù)。
　　
　　3人臉識(shí)別中的圖像預(yù)處理技術(shù)
　　
　　預(yù)處理的目的是為了提高圖像質(zhì)量、加強(qiáng)有用的信息。常用的預(yù)處理有姿態(tài)矯正、光照補(bǔ)償、尺寸歸一化、去噪、邊界增強(qiáng)、提高對(duì)比度等，它是一項(xiàng)基礎(chǔ)性工作，可在人臉特征提取之前根據(jù)需要有選擇地進(jìn)行適當(dāng)?shù)念A(yù)處理操作。本文采用直方圖均衡技術(shù)進(jìn)行人臉圖像的預(yù)處理，主要目的是增強(qiáng)對(duì)比度，提高圖像質(zhì)量。
　　3.1直方圖均衡技術(shù)
　　3.1.1直方圖定義
　　直方圖是圖像的一種統(tǒng)計(jì)表達(dá)。對(duì)一幅灰度圖像，其灰度統(tǒng)計(jì)直方圖反映了該圖中不同灰度級(jí)出現(xiàn)的統(tǒng)計(jì)情況［2］。其定義為：
　　P(sk)=nk/N
　　其中nk表示圖像的第k級(jí)灰度值，N表示像素總數(shù)。直方圖能給出該圖像的整體描述，例如圖像的灰度范圍、每個(gè)灰度級(jí)的頻度和灰度的分布、整幅圖像的平均明暗和對(duì)比度。直方圖又分為直方圖均衡化和直方圖規(guī)定化。
　　3.1.2直方圖均衡技術(shù)
　　直方圖均衡化也叫直方圖均勻化，就是把給定圖像的直方圖分布改變成均勻分布的直方圖，它是一種常用的灰度增強(qiáng)方法［3］。本文在MATLAB環(huán)境下對(duì)采集后的圖像進(jìn)行了圖像的預(yù)處理，見(jiàn)圖2。
　　圖2（a）較暗，有些細(xì)節(jié)不夠清晰，反映在直方圖上就是其直方圖所占據(jù)的灰度范圍分布在較窄的區(qū)間，引起圖像細(xì)節(jié)不清楚。圖2（b）和圖2（c）分別為對(duì)原始圖像進(jìn)行直方圖均衡化得到的結(jié)果及其對(duì)應(yīng)的直方圖，由圖2（c）可見(jiàn)均衡化后直方圖占據(jù)了整個(gè)灰度值允許的范圍，圖像的灰度間距拉開(kāi)，灰度分布均勻，從而增大了反差，使圖像細(xì)節(jié)清晰，達(dá)到了圖像增強(qiáng)的目的。
　　3.2線性平滑濾波
　　均值濾波也稱(chēng)為線性濾波，其采用的主要方法為鄰域平均法、超限像素平滑法和加權(quán)均值濾波法。這里以鄰域平均法為例進(jìn)行說(shuō)明。鄰域平均法，其基本原理是用均值替代原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn) (x,y)選擇一個(gè)模板（圖3所示為一均值濾波模板）求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn) (x,y),作為處理后圖像在該點(diǎn)上的灰度g(x,y)。模板運(yùn)算的基本步驟為：將模板在圖像中漫游，并將模板中心與圖像中的某個(gè)像素位置重合；將模板上系數(shù)與模板下對(duì)應(yīng)的像素相乘；將所有乘積加起來(lái)；將和（模板的輸出響應(yīng)）賦給圖像中對(duì)應(yīng)模板中心位置的像素。圖4所示為在MATLAB中對(duì)含噪圖像圖4（a）進(jìn)行均值濾波的效果圖，從圖4（b）中可以發(fā)現(xiàn)達(dá)到了去噪效果。
　　3.3非線性平滑濾波
　　非線性平滑濾波的典型方法為中值濾波。中值濾波器的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周?chē)�像素灰度值的差比較大的像素改取與周?chē)�的像素值接近的值，從而可以消除孤立的噪聲點(diǎn)。圖5所示為在MATLAB中采用不同的中值濾波模板對(duì)含噪圖像如圖5（a）進(jìn)行中值濾波的效果圖。對(duì)比5圖（b）和（c）可以得到，5*5的模板去噪效果比3*3的模板效果好。
　　3.4圖像變換
　　圖像變換就是把圖像從空間域轉(zhuǎn)換到變換域(如頻率域)的過(guò)程。將圖像轉(zhuǎn)換到新的空間，顯現(xiàn)出一些新的特性，方便特征提取，使圖像處理過(guò)程更加簡(jiǎn)單有效。圖像變換的方法很多，如：離散傅里葉變換、離散余弦變換、哈達(dá)瑪變換、小波變換等。其中傅里葉變換是一種較為典型的頻域變換技術(shù)。利用二維離散快速傅里葉變換將人臉圖像從空間域變換到頻率域后，較為復(fù)雜的人臉圖像可以簡(jiǎn)單地用振幅譜來(lái)表征，人臉圖像在頻率域中，計(jì)算簡(jiǎn)便，能量相對(duì)集中。
　　在變換域中實(shí)現(xiàn)圖像增強(qiáng)的步驟如下：
　�。�1）計(jì)算需增強(qiáng)的圖像的傅里葉變換F(u,v)；
　�。�2）將其與一個(gè)（根據(jù)需要設(shè)計(jì)的）轉(zhuǎn)移函數(shù)H(u,v)相乘；
　�。�3）再將結(jié)果G(u,v)傅立葉反變換得到增強(qiáng)的圖像。
　　以傅里葉變換為例，介紹其在頻域中實(shí)現(xiàn)平滑濾波。在MATLAB中實(shí)現(xiàn)從空域到變換域的代碼如下：
　　f=fft2(image)；%將image圖像進(jìn)行快速傅里葉變換
　　g=fftshift(f)；% 將傅里葉變換結(jié)果進(jìn)行移中
　　由于邊緣和噪聲都對(duì)應(yīng)圖像傅里葉頻譜中的高頻部分，所以通過(guò)在頻域中的低通濾波可以除去或消弱噪聲的影響。要實(shí)現(xiàn)低通濾波首先需要選擇一個(gè)合適的轉(zhuǎn)移函數(shù)H（u，v）。在諸多低通濾波器中，Buterworth低通濾波器“振鈴”現(xiàn)象不明顯，而且能夠提高圖像的細(xì)節(jié)清晰度，這里以Buterworth低通濾波器為例對(duì)圖像進(jìn)行平滑濾波。一個(gè)階為n，截?cái)囝l率為D0的巴特沃斯低通濾波器的轉(zhuǎn)移函數(shù)為：
　　H（u,v）=11+［D(u,v)/D0］2n待處理圖像如圖6（a）所示，從該圖中可以看出圖像中有噪聲的干擾，Buterworth低通濾波器設(shè)置如下：n=3，截?cái)囝l率為20。圖6（b）所示為低通濾波效果圖。
　　對(duì)比圖6（a）和（b）可以發(fā)現(xiàn)，Buterworth低通濾波器對(duì)噪聲的濾除效果很好，不過(guò)同時(shí)也使圖像變得模糊了。
　　
　　4總結(jié)
　　
　　人臉識(shí)別具有無(wú)可比擬的優(yōu)越性，近幾十年來(lái)得到飛速發(fā)展，比如近年來(lái)出現(xiàn)了基于近紅外圖像的人臉識(shí)別，許多有效實(shí)用的人臉識(shí)別系統(tǒng)也脫穎而出，并且被廣泛應(yīng)用于海關(guān)、機(jī)場(chǎng)、金融機(jī)構(gòu)等安全性要求較高的重要場(chǎng)所。人臉識(shí)別有著廣闊的應(yīng)用前景，不僅是模式識(shí)別、計(jì)算機(jī)視覺(jué)和人工智能等領(lǐng)域的一個(gè)熱門(mén)的研究課題，同時(shí)，人臉識(shí)別又是一個(gè)難度極大的課題，如人臉識(shí)別中的光照問(wèn)題，姿態(tài)問(wèn)題，表情問(wèn)題等，這也是作者進(jìn)一步研究的重點(diǎn)。
　　
　　參考文獻(xiàn)
　�。�1］董火明，高雋，汪榮貴.多分類(lèi)器融合的人臉識(shí)別與身份認(rèn)證［J］.系統(tǒng)仿真學(xué)報(bào), 2004(8).
　　［2］章毓晉.圖像處理（第二版）［M］.北京：清華大學(xué)出版社，2006.
　�。�3］張宏林. 數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐［M］.北京：人民郵電出版社，2003.
　�。ū疚膶徃鍎�慶祥）

相關(guān)熱詞搜索：預(yù)處理 識(shí)別 圖像 人臉識(shí)別中的圖像預(yù)處理技術(shù) 圖像文本識(shí)別預(yù)處理 圖像預(yù)處理基本步驟