沈慧鈞

摘 要：針對人臉識別系統(tǒng)進行研究，提出了采用直方圖均衡化、中值濾波、灰度拉伸、同態(tài)濾波預處理圖像和基于統(tǒng)計學的人眼檢測、特征提取的人臉識別方法。描述了各種預處理方法和在人臉識別中的具體應用，避免圖像大小、光照不同等復雜因素對圖像識別造成的影響，為下一步進行圖像識別奠定基礎。

關鍵詞：人臉識別；圖像預處理；同態(tài)濾波；光照

中圖分類號：TP391.4 文獻標識碼：A 文章編號：2095-6835（2014）18-0119-02

目前，人臉識別技術的研究工作多是在假定圖像中檢測和定位的。人臉識別系統(tǒng)對人身份的確定起著重要的作用，身份確定不僅在機關單位的考勤和安全、海關邊檢、網絡安全、軍隊安全、銀行、智能門禁、計算機登錄系統(tǒng)等方面起著至關重要的作用，還關系到國家的安全問題。先對人臉識別中的圖像進行圖像預處理，包括圖像直方圖均衡化、灰度拉伸、中值濾波、同態(tài)濾波等。經過預處理的圖像，其細節(jié)更加明顯，并且去掉了圖像中一些不相關的信息。然后再進行人眼定位、特征提取、識別和匹配，提高人臉識別的可靠性。

1 預處理方法的研究

人臉圖像的預處理是指在整個圖像識別和分析的過程中，對所輸入的人臉圖像進行分割、特征抽取、匹配等。本文選取的預處理方法主要有：直方圖均衡化、灰度拉伸、中值濾波、同態(tài)濾波等。對圖像進行預處理能夠去除圖像中的不相關信息，準確定位人臉部分，使圖像細節(jié)更明顯，進一步提高人臉圖像的特征提取、匹配和識別的可靠性。

1.1 直方圖均衡化

直方圖均衡化是針對已知灰度概率密度分布圖像的直方圖。通過變換函數，將其修正為分布比較均勻的直方圖，所以，它又被稱為直方圖平坦化，以此改變圖像整體偏亮或整體偏暗、灰度層次不豐富的情況。直方圖均衡化的處理過程主要包括以下三個步驟：①計算出讀入圖像的統(tǒng)計直方圖，即Pr（r）；②采用累積

分布函數對該直方圖Pr（r）作變換，利用公式

求出直方圖變換后對應的新灰度值；③用新的灰度值取代舊的灰度值。最后一步的計算過程是近似算法，計算結果不一定都是整數，但是，由于實際灰度值是用正整數表示的，所以，需要根據處理目的選擇合理的近似值，將相等或近似的灰度值組合到一起。

1.2 灰度拉伸的意義

圖像的灰度拉伸是運用簡單的分段線性變換函數進行灰度變換的一種方法。該方法將原圖像灰度值的動態(tài)范圍轉換到指定的范圍內或整個論域范圍內，提高了圖像在處理過程中灰度級的動態(tài)變化范圍。此方法適用于低對比度圖像的預處理?；叶壤熘饕袃蓚€基本操作步驟：①對給定的待處理圖像做直方圖統(tǒng)計，根據直方圖的曲線分布情況確定圖像灰度拉伸的2個拐點的位置；②對待處理圖像進行灰度變換，利用步驟①中確定的拐點，由分段線性變換函數將讀入圖像中的每個像素的灰度值映射到處理后的像素灰度值中。

1.3 中值濾波

中值濾波是抑制圖像噪聲的主要方法之一，它簡單、易實現(xiàn)。圖像多是由像素較多、面積較大的小塊構成，而以孤立點的形式出現(xiàn)的噪聲點所對應的像素在圖像上的數量較少?；诖颂匦裕兄禐V波是一種較好的圖像預處理方法。利用此方法進行圖像預處理的主要步驟是：①在待處理圖像中漫游3×3或5×5模板，并使得模板的中心點與待處理的圖像中某個像素位置重合；②當模板處于某一位置時，讀入模板下各像素的灰度

值，按由小到大的順序排列這些灰度值，并讀取排在中間點的灰度值；③將對應模板中心位置的像素值賦予這個中間點位置的灰度值。

由此可見，中值濾波的主要作用是將那些與周圍像素灰度值相差較大的像素用周圍像素值的中間值取代，因此，該方法消除孤立噪聲像素的能力是很強的。它并不是簡單地選取模板中像素點的均值，而是選取排序后的中值，所以，產生的模糊較少，在消除孤立點噪聲的同時，還盡可能地保留圖像的細節(jié)。

1.4 同態(tài)濾波

在不同光照條件下，人臉圖像可以使用同態(tài)濾波的預處理方法避免光照對其的影響，以此提高人臉識別的準確性。同態(tài)濾波處理方法將灰度變換和頻率過濾兩種方法有機結合起來，將圖像的照明反射作為頻域處理的基礎，這樣能夠有效地增強對比度和壓縮灰度的范圍。在密度域中，運用這種方法改善圖像效果是相當成功的。

待處理圖像f（x，y）可以表示成其反射分量r（x，y）和照射分量i（x，y）的乘積，即：

f（x，y）=i（x，y）·r（x，y）. （1）

利用同態(tài)濾波的方法改變了原有圖像的光強度和反射光強度的特性，這樣不但可以降低圖像的動態(tài)范圍，還可以增加其對比度。同態(tài)濾波預處理人臉識別圖像的具體操作過程如下：

先在式（1）的兩邊取對數，即

ln[f（x，y）]=ln[i（x，y）]+ln[r（x，y）]. （2）

在式（2）兩邊取傅立葉變換，得：

F（u，v）=I（u，v）+R（u，v）. （3）

用頻域函數H（u，v）處理F（u，v），得：

H（u，v）F（u，v）=H（u，v）I（u，v）+H（u，v）R（u，v）. （4）

將傅立葉逆變換到空間域，得：

hf（x，y）=hi（x，y）+hr（x，y）. （5）

在式（5）兩邊取指數，得：

.（6）

2 人臉識別的過程

人臉檢測和人臉識別是人臉識別技術中兩個重要組成部分。根據人臉的先驗導出規(guī)律和人臉器官分布特征進行人臉檢測和識別。在人臉識別系統(tǒng)中，圖像處理過程如圖1所示，大致可以分為三大步驟，即人臉特征提取、基于圖像預處理的人臉檢測和人臉識別。

圖1 人臉識別系統(tǒng)的處理流程圖

在進行人臉識別的過程中，先要快速判斷采集到的人臉圖像或視頻圖像是否存在?；诮y(tǒng)計學的人臉檢測方法不是針對某一個人的臉，而是從人臉統(tǒng)一模型的角度出發(fā)，利用統(tǒng)計原理，從大量的人臉圖像中數量化地統(tǒng)計、提取出人臉共有的各個器官的分布規(guī)律，運用檢測模塊和先驗知識進行人臉檢測。如果檢測結果是人臉圖像，則對人臉幾何特征點進行定位。本文利用眼睛定位，選取定位的基準為兩眼的中心，根據圖像給出的信息，按兩眼之間的距離，用幾何歸一化和灰度歸一化進

行人臉圖像的縮放處理，選擇有效的人臉區(qū)域，最后對選取出的人臉區(qū)域圖像進行特征提取歸一化處理，并在分類器中進行識別，將此與人臉庫中的人臉進行對比，從而鑒別出每個人臉的身份，最終得到識別成果，具體步驟如圖2所示。

3 結論

人臉識別的復雜性決定了單獨使用任何一種圖像處理技術都不能獲得良好的識別效果，鑒于人臉檢測和識別的方法并不唯一，將各種不同的技術、方法有效結合起來是以后該領域研究的必然趨勢。人臉識別預處理的關鍵是在人臉識別前，對讀入的圖像進行預處理，增大圖像的灰度范圍，去除噪聲點、光照等不良因素的影響，利用檢測模塊去除圖像中的不相關信息，增強圖像的對比度，使圖像的細節(jié)更加明顯，有效改善人臉圖像的定位與分割、幾何特征提取、人臉識別和匹配的可靠性。如果不能有效預處理較難識別的圖像，將會影響幾何特征的提取，不能達到滿意的人臉識別效果。本文具體闡述了人臉識別的圖像預處理方法和人臉識別系統(tǒng)的具體步驟。目前，在人臉檢測和識別方面還有很多困難需要克服，比如年齡、表情、化妝、胡須等外在因素的變化等。不同的采集設備會給人臉的檢測和識別系統(tǒng)造成很大的影響。從心理學的角度看，人臉識別是人類視覺的一個獨特過程，同卵雙胞胎無法識別等這些情況都可能會阻礙識別技術的發(fā)展，還有很多問題有待進一步解決。

參考文獻

[1]周激流，張曄.人臉識別理論研究進展[J].計算機輔助設計與圖形學學報，1999，11（2）：180-182.

[2]陳堅，于林森，等.人臉識別的神經網絡群方法[J].東南大學學報，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人臉檢測研究綜述[J].中國圖象圖形學報，2002，25（5）：449-456.

[4]張翠平，蘇光大.人臉識別技術綜述[J].中國圖象圖形學報，2000，5（11）：885-894.

[5]周杰，盧春雨，張長水，等.人臉自動識別方法綜述[J].電子學，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔編輯：白潔〕

行人臉圖像的縮放處理，選擇有效的人臉區(qū)域，最后對選取出的人臉區(qū)域圖像進行特征提取歸一化處理，并在分類器中進行識別，將此與人臉庫中的人臉進行對比，從而鑒別出每個人臉的身份，最終得到識別成果，具體步驟如圖2所示。

3 結論

人臉識別的復雜性決定了單獨使用任何一種圖像處理技術都不能獲得良好的識別效果，鑒于人臉檢測和識別的方法并不唯一，將各種不同的技術、方法有效結合起來是以后該領域研究的必然趨勢。人臉識別預處理的關鍵是在人臉識別前，對讀入的圖像進行預處理，增大圖像的灰度范圍，去除噪聲點、光照等不良因素的影響，利用檢測模塊去除圖像中的不相關信息，增強圖像的對比度，使圖像的細節(jié)更加明顯，有效改善人臉圖像的定位與分割、幾何特征提取、人臉識別和匹配的可靠性。如果不能有效預處理較難識別的圖像，將會影響幾何特征的提取，不能達到滿意的人臉識別效果。本文具體闡述了人臉識別的圖像預處理方法和人臉識別系統(tǒng)的具體步驟。目前，在人臉檢測和識別方面還有很多困難需要克服，比如年齡、表情、化妝、胡須等外在因素的變化等。不同的采集設備會給人臉的檢測和識別系統(tǒng)造成很大的影響。從心理學的角度看，人臉識別是人類視覺的一個獨特過程，同卵雙胞胎無法識別等這些情況都可能會阻礙識別技術的發(fā)展，還有很多問題有待進一步解決。

參考文獻

[1]周激流，張曄.人臉識別理論研究進展[J].計算機輔助設計與圖形學學報，1999，11（2）：180-182.

[2]陳堅，于林森，等.人臉識別的神經網絡群方法[J].東南大學學報，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人臉檢測研究綜述[J].中國圖象圖形學報，2002，25（5）：449-456.

[4]張翠平，蘇光大.人臉識別技術綜述[J].中國圖象圖形學報，2000，5（11）：885-894.

[5]周杰，盧春雨，張長水，等.人臉自動識別方法綜述[J].電子學，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔編輯：白潔〕

行人臉圖像的縮放處理，選擇有效的人臉區(qū)域，最后對選取出的人臉區(qū)域圖像進行特征提取歸一化處理，并在分類器中進行識別，將此與人臉庫中的人臉進行對比，從而鑒別出每個人臉的身份，最終得到識別成果，具體步驟如圖2所示。

3 結論

人臉識別的復雜性決定了單獨使用任何一種圖像處理技術都不能獲得良好的識別效果，鑒于人臉檢測和識別的方法并不唯一，將各種不同的技術、方法有效結合起來是以后該領域研究的必然趨勢。人臉識別預處理的關鍵是在人臉識別前，對讀入的圖像進行預處理，增大圖像的灰度范圍，去除噪聲點、光照等不良因素的影響，利用檢測模塊去除圖像中的不相關信息，增強圖像的對比度，使圖像的細節(jié)更加明顯，有效改善人臉圖像的定位與分割、幾何特征提取、人臉識別和匹配的可靠性。如果不能有效預處理較難識別的圖像，將會影響幾何特征的提取，不能達到滿意的人臉識別效果。本文具體闡述了人臉識別的圖像預處理方法和人臉識別系統(tǒng)的具體步驟。目前，在人臉檢測和識別方面還有很多困難需要克服，比如年齡、表情、化妝、胡須等外在因素的變化等。不同的采集設備會給人臉的檢測和識別系統(tǒng)造成很大的影響。從心理學的角度看，人臉識別是人類視覺的一個獨特過程，同卵雙胞胎無法識別等這些情況都可能會阻礙識別技術的發(fā)展，還有很多問題有待進一步解決。

參考文獻

[1]周激流，張曄.人臉識別理論研究進展[J].計算機輔助設計與圖形學學報，1999，11（2）：180-182.

[2]陳堅，于林森，等.人臉識別的神經網絡群方法[J].東南大學學報，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人臉檢測研究綜述[J].中國圖象圖形學報，2002，25（5）：449-456.

[4]張翠平，蘇光大.人臉識別技術綜述[J].中國圖象圖形學報，2000，5（11）：885-894.

[5]周杰，盧春雨，張長水，等.人臉自動識別方法綜述[J].電子學，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔編輯：白潔〕