基于gabor小波的人臉識別技術(shù)

《基于gabor小波的人臉識別技術(shù)》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、基于Gabor小波的人臉識別技術(shù)人臉識別/特征提取/小波變換/直方圖1?引言Gabor小波在空間域和頻率域均有較好的分辨能力,有明顯的方向選擇和頻率選擇特性。隨著人們對Gabor小波技術(shù)的不斷探索,使該方法在人臉識別領(lǐng)域取得良好的識別效果[1,2]。本文首先通過直方圖均衡化等預(yù)處理過程使圖像更加清晰,然后通過調(diào)整小波變換系數(shù)進(jìn)行特征提取。本文主要的目的是減少系統(tǒng)運(yùn)算量、提高人臉識別的準(zhǔn)確率。2?人臉特征提取的基本原理在特定的場景中對人臉進(jìn)行定位是特征提取的第一步。神經(jīng)網(wǎng)絡(luò)法、彩色分析法、Hough[3

2、]變換法、模板匹配法、灰度分析法、幾何模型法和主元分析法等方法是目前比較流行的人臉特征定位方法。由于色彩在人臉不同位置的差異,在定位人臉位置時(如嘴唇的紅色分量相對較高等),應(yīng)選用色彩分析的方法。該方法針對不同的色彩模式的圖像進(jìn)行分析處理,使圖像更加的清晰,其它人臉識別方法均可用灰度圖像分析的方法進(jìn)行處理。實驗中選取的人臉表情圖像排除了眼鏡、頭發(fā)等遮擋物的影響,因此所選用的圖像適合灰度圖像分析的方法進(jìn)行處理。通過圖像灰度的垂直積分確定人臉圖像的上下邊界;通過圖像灰度的水平積分確定人臉圖像的水平邊界。相

3、應(yīng)的,垂直積分投影的計算是根據(jù)圖像每列的灰度和值,而水平積分投影的計算是根據(jù)水平方向的灰度和值。圖像水平積分和垂直積分的公式為:其中,H(x)表示圖像在[y1,y2]區(qū)域的水平積分投影,V(y)表示圖像在[x1,x2]區(qū)域的垂直積分投影。G(x,y)為被積函數(shù)。3?人臉圖像的預(yù)處理圖像預(yù)處理主要有以下兩個方面的作用:第一,通常情況下,由于光照、噪聲等因素的影響,使得到的原始圖像質(zhì)量并不理想。這就需要在特征提取之前要對圖像進(jìn)行預(yù)處理,使原始圖像特征清晰并提高識別系統(tǒng)的識別效率。由于系統(tǒng)的不足和環(huán)境的影響

4、,在提取有用的信息的時候會受到各種因素的影響,對此我們要采取不同的有針對性的措施進(jìn)行圖像預(yù)處理。第二,我們得到的圖像本身不滿足系統(tǒng)的要求,主要體現(xiàn)在圖像的大小、角度等方面。這也要求我們對圖像進(jìn)行必要的處理。綜上所述,圖像預(yù)處理是一個相當(dāng)重要的過程。因此,我們在對圖像預(yù)處理時應(yīng)該采取正確合理的方法。不同的環(huán)境應(yīng)該采取不同的預(yù)處理方法,預(yù)處理的模塊也應(yīng)依據(jù)系統(tǒng)自身的特點進(jìn)行設(shè)計。如果預(yù)處理方法不合適不但不能彌補(bǔ)系統(tǒng)的不足還會影響識別結(jié)果;相反,預(yù)處理做的太復(fù)雜,運(yùn)算過多,就會增加工作量。所以預(yù)處理時應(yīng)該綜

5、合考慮各方面的因素。3.1?幾何校正在人臉庫中提取的原始圖像,由于受到外界因素的干擾,會使圖像中面部的大小和位置造成很大的差異。這主要是由被拍攝人的位置、姿態(tài)、光照和成像距離等因素造成的。為了滿足識別系統(tǒng)算法對圖像質(zhì)量的要求,必須對原始圖像進(jìn)行一定的技術(shù)處理,否則會影響整個系統(tǒng)的順利運(yùn)行,對算法識別的準(zhǔn)確率造成很大的影響。主要包括以下幾種方法對圖像幾何校正:一、圖像的平移:就是按照一定的規(guī)則,在二維平面坐標(biāo)內(nèi),對圖像做垂直移動或水平移動,減少因為人臉的偏移對識別結(jié)果造成的影響。二、圖像的翻轉(zhuǎn):為了解決

6、有的圖像中人臉的上下顛倒的現(xiàn)象,利用圖像翻轉(zhuǎn)來糾正圖像中人臉的位置,達(dá)到識別系統(tǒng)的要求。圖1原始圖像、圖2為翻轉(zhuǎn)后的圖像。????三、圖像的旋轉(zhuǎn):主要方法就是根據(jù)實際需要以圖像的中心為原點,對圖像旋轉(zhuǎn)某個角度的處理。圖像旋轉(zhuǎn)中有時候一些點會轉(zhuǎn)出視圖區(qū)外面,而另外一些點會被轉(zhuǎn)進(jìn)來。如果轉(zhuǎn)出視圖區(qū)的點很重要,那么可以通過增大能顯示出來的圖像的范圍來達(dá)到實驗的需要;如果不重要,那么就可以直接截取。其中,(x,y),(x’,y’)是旋轉(zhuǎn)前后圖像中同一像素的坐標(biāo),θ是旋轉(zhuǎn)角度。圖像的旋轉(zhuǎn)都是繞坐標(biāo)軸原點進(jìn)行的,

7、如果對某個點進(jìn)行旋轉(zhuǎn),那么首先要將該點平移至坐標(biāo)原點。圖3為原始圖像、圖4旋轉(zhuǎn)后的圖像。??????3.2?直方圖均衡化直方圖概念:直方圖(histogram)是灰度級的函數(shù),它表示圖像中具有每種灰度級的像素的個數(shù),反映圖像中每種灰度出現(xiàn)的頻率(像素的個數(shù))。一幅圖像的概貌可以用直方圖描述(如圖像灰度分布情況、灰度的范圍)。對原始人臉圖像采用直方圖描述時,特征點相對集中,不利于系統(tǒng)識別。直方圖均衡化是一種最常用的直方圖修正方法,通過把給定圖像的直方圖的分布改造成均直方圖分布,使輸出像素灰度的概率密度分

8、布均勻。均衡化之后的圖像是擁有最大嫡(信息量)的圖像,這是從信息學(xué)角度出發(fā)得到的基本理論。通俗的說,圖像的對比度增加是直方圖均衡化后最直觀的效果。在圖像均衡化時,圖像亮度即圖像矩陣的平均值是很重要的參數(shù),其值越小則對應(yīng)圖像越暗;而圖像對比度就是圖像矩陣的均方差(標(biāo)準(zhǔn)差),對比度越大,圖像中黑白反差越明顯。均衡化可以在一定程度上消除成像條件不同,即圖像光照不同對識別造成的負(fù)面影響。圖5原始圖像及直方圖;圖6均衡化后的圖像及其直方圖。其中,灰度直方圖的橫坐標(biāo)