劉靜

（渭南師范學院 統(tǒng)計科學與社會計算研究所，陜西 渭南 714000）

預處理是人臉圖像識別過程的基礎環(huán)節(jié)，預處理能夠有效消除和降低人臉圖像中因噪聲、光照、背景等帶來的不利于提高識別率的方面，而恢復、保留和增強有利于提高識別率的圖像特征，并能有效降低圖像維數(shù)，降低特征提取和識別的復雜度[1-2]。

文中的研究是在OpenCV體系結構的基礎上進行的。OpenCV是Intel公司開發(fā)的圖像處理和計算機視覺函數(shù)庫，是一套由一些C函數(shù)和C++類所組成的庫，基于Intel處理器指令集對代碼進行了優(yōu)化，對于開發(fā)實時應用程序具有很強的針對性。

1 圖像增強

人臉圖像中不可避免地存在噪聲信息。為了提高人臉識別的效果，必須對人臉圖像進行增強處理，以便消除圖像中的噪聲信息。圖像增強可以使得原本不清晰的圖像變得清晰，可以有選擇地豐富信息量、強調圖像中人們感興趣的特征，弱化圖像中不需要的特征[3-4]。

針對人臉圖像的特點和效果，應選擇不同的圖像增強算法[5]。文中有針對性地采用了中值濾波和直方圖均衡化等方法來增強人臉圖像，消除圖像噪聲，提高圖像質量，從而達到提高識別率和識別精度的目的[6-7]。

1.1 中值濾波

中值濾波算法常用于圖像模式識別領域，該算法能有效去除圖像噪音，尤其是對去除椒鹽噪聲更加有效，而且能較好地保留圖像邊緣的銳度和圖像細節(jié)特征[8]。

算法1：中值濾波算法

1） 選取一個（2n+1）×（2n+1）的滑動窗口（一般為 3×3 或者 5×5）。

2）讓其在圖中沿著圖像的行方向或列方向（一般從左至右、從上到下）逐個像素滑動，使得窗口中心與圖中某個像素位置重合。

3）讀取窗口中各對應像素的灰度值。

4）將這些像素按照灰度級做大小排序。

5）選擇該組的中間值作為輸出像素值。

6）用這個中間值代替窗口中心位置像素的灰度值。用數(shù)學公式表達為：

式中：g（x，y）為中值濾波處理后（x，y）處的像素灰度值；f（x，y）為中值濾波處理前（x，y）處的像素灰度值；S 表示模板窗口；i表示窗口水平尺寸；j表示窗口垂直尺寸。本文用中值濾波算法有效消除了人臉圖像的大部分噪聲，而且較好地保持了人臉圖像的細節(jié)特征[9]，中值濾波處理人臉圖像的結果如圖1所示。

圖1 中值濾波Fig.1 Median filtering

1.2 直方圖均衡化

算法2：直方圖均衡化算法[10]

1）計算原圖像的歸一化灰度級別及其分布概率；

2）求變換函數(shù)的各灰度等級值sk；

3）將所得變換函數(shù)的各灰度等級值轉化成標準的灰度級別值；

5） 用 sk代替（l=0，1，…，L-1），進而求新圖像中各灰度級別的分布概率；

6）作出經均衡化后輸出圖像的直方圖。

使用直方圖均衡化[11]處理人臉圖像的結果如圖2所示。

2 實驗結果分析

圖2 直方圖均衡化Fig.2 Histogram equalization

本實驗基于VC++6.0和Matlab開發(fā)環(huán)境，并借助了OpenCV機器視覺庫，實驗圖像庫采用了ORL人臉庫中的人臉圖像。

人臉識別系統(tǒng)中能夠增強圖像、去除噪聲的算法較多，各算法都有其適用范圍和特點。在本文的實驗中僅選擇了本文所述的圖像增強和去噪算法，并進行了實驗和對比分析。

從圖1可以看出，中值濾波算法能夠有效處理圖像噪聲，相比較3種中值濾波方式，對于處理ORL庫中的人臉圖像，3×3中值濾波效果較好，處理后的圖像能夠較多地保留圖像的細節(jié)特征，輪廓信息明顯，對圖像的輪廓信息和細節(jié)損失較小。因此，3×3中值濾波算法適宜于作為人臉識別過程中預處理階段的圖像增強算法。

從圖2可以看出，直方圖均衡化方法用來處理中值濾波后的圖像具有優(yōu)勢。

3 結 論

不同環(huán)境下實驗結果分析表明，在人臉識別系統(tǒng)的預處理階段，應根據(jù)處理的圖像對象的不同，有針對性的選擇圖像處理算法。在系統(tǒng)執(zhí)行時間要求不高的情況下，可以綜合多種算法的處理結果，以達到理想的效果。

從整體上看，在VC++開發(fā)環(huán)境下，基于OpenCV機器視覺庫的預處理算法的執(zhí)行速度要優(yōu)于Matlab開發(fā)環(huán)境下的預處理算法的執(zhí)行速度，這也充分體現(xiàn)OpenCV庫函數(shù)的編碼在基于Intel處理器指令集進行優(yōu)化后的優(yōu)勢。因此，基于OpenCV機器視覺庫可以作為開發(fā)人臉識別系統(tǒng)的開發(fā)工具。

[1]LI Gang，GAO Zheng.A survey of automatic human face recognition[J].Application Research of Computers，2003，8（4）：4-9.

[2]Hong Z，YAN Yong，Lades M.Face recognition eigenface，elastic matching and neural nets[J].Proceedings of the IEEE，1997，85（9）：312-325.

[3]Gonzalez R C.Digital Image Processing[M].Translated by Qiu-QI Ruan，Zhi-Yu Ruan.Beijing：Publishing House of Electronics Industry，2003.

[4]Yuan T，Tieniu T，Yunhong W.Do singular values contains adequate information for face recognition[J].Pattern Recognition， 2003，36（3）：649-655.

[5]王志良，孟秀艷.人臉工程學[M].北京：機械工業(yè)出版社，2008.

[6]王志良，陳鋒軍，薛為民.人臉表情識別方法綜述[J].計算機應用與軟件，2003，20（12）：63-66.

WANG Zhi-liang，CHEN Feng-jun，XUE Wei-min.A survey of facial expression recognition[J].Computer Applications and Software， 2003，20（12）：63-66.

[7]魏冬冬.靜態(tài)人臉識別技術探討[J].現(xiàn)代計算機，2006，23（7）：58-61.

WEI Dong-dong.The technology of static human face recognition[J].Modern Computer，2006，23（7）：58-61.

[8]Gonazlez R C，Woods R E.Digital image processing[M].Second Edition，Beijing：Electronic Industry Press，2007.

[9]姚敏.數(shù)字圖像處理[M].北京：機械工業(yè)出版社，2006.

[10]TIAN Hai-jun.Research and implementation offace recognition based on surport vector machine[D].Changsha：National University of Defense Technology，2009.

[11]WANG Zhi-yun，HUANG Meng-wei，HU Po，et al.Image enhancement based on histograms and its realization with MATLAB[J].Computer Engineering&Science，2006，28（2）：54-56.