一种基于序特征的人脸识别图像处理方法技术

本发明专利技术公开了一种基于序特征的人脸识别图像处理方法，首先通过摄像机拍摄一张一般光照条件下的人脸图像。然后对图像进行归一化，使得图像有统一的大小，呈现相同的部位。对图像进行二维离散小波变换，选取其中的低频分量。对低频分量图像，进行序特征提取，经过处理后，形成一张以序特征为成分的图像。本方法提取光照不变量序特征，使得光照变化对人脸图像的影响降低，提高了复杂光照条件下的人脸识别效率。

【技术实现步骤摘要】

本专利涉及人脸识别和图像处理，尤其涉及多分辨多尺度的小波变换和基于序特征的人脸图像光照不变量提取。
技术介绍
随着数字化及信息技术的发展，身份识别已成为人们日常生活中经常遇到的问 题，尤其对于高准确率身份识别的的需求日益增长，比如大型活动的安防检查，出入境海关 的身份鉴别，商用门禁系统和实时监控，公安刑侦调查等。传统的身份认证方式，例如口令、密码、身份证件等存在诸多缺点，易于复制，容易丢失，携带不便等。于此，利用生物特征进行身份识别受到广泛关注。在不同的生物特征识别方法中，人脸识别有其自身特殊的优势，因而在生物识别中有着重要的地位。其具有非侵扰性、采集简单等优势，所以已经逐渐受到重视，已经投入生活中的实际应用。 但是人脸识别的应用也面临一些问题，其中光照、姿态、表情是最主要的三类问题。这三类因素的改变往往对人脸的成像造成极大的影响。在人脸识别系统中，姿态和表情可以对待识别者进行一定约束。但是光照的影响有一定的随机性，所以解决光照变化对人脸成像的影响也是人脸识别研究者所要面临的一大难题。在以往的研究中，针对光照变化所提出的解决方法主要分为三类，光照模型法，光照补偿算法，光照不变量算法。光照模型法，是通过构建光照空间，实现光照模拟来处理的。此类方法识别效果为最好，但是计算量大，需要的训练样本多，对训练集和训练环境要求高。光照补偿算法是除去光照变化带来的影响或者是补偿光照。此类方法受参数选择的影响很大，而且参数选择非常复杂。光照不变量方法提取那些不受光照影响或者在光照下能保持特征性的成分来表示图像。此类方法对于某些复杂光照条件的人脸识别效果明显，在速度和效率上的表现也普遍优于前两类方法。
技术实现思路
本专利技术的目的就是为了解决上述问题，采用第三类方法，提供了一种基于序特征的人脸识别图像处理方法。本专利技术的思路，首先使用二维小波变换将图像分解为四部分，保留其中的低频分量以减少噪声影响，压縮数据。然后，针对图像中的每个像素提取其在以其为中心的区域的序特征，形成以序特征为内容的人脸图像。 为实现上述目的，本专利技术采用了如下技术方案 —种基于序特征的人脸识别图像处理方法，该图像处理方法包括如下步骤 St印l :通过普通摄像装置拍摄一般光照条件下的包含人脸的彩色人脸图像； St印l :通过普通摄像装置拍摄一般光照条件下的包含人脸的图像； St印2 :对图像进行尺度归一化，得到调整后的图像； St印3 :对调整后的图像进行一次二维小波变换，对图像进行进一步的压縮，并提 取低频分量； St印4 :提取低频图像的序特征，形成以序特征为成分的人脸图像。 所述St印3中的尺度归一化，包括如下步骤 A.已经定位了人脸的双眼。通过连接两眼的中心R，L，旋转连线使之水平，使人脸 图像调整至水平那个状态没有任何倾斜； B.已知人眼中心的距离为D，计算连线中心到两边的距离，进行平移使之相等； C.截取脸部正方形区域； D.使用多项式插值中的埃尔米特插值对图像进行縮放，使之大小縮减到约定大小 168X192。 所述St印3中对图像进行一次二维小波变换， 对图像进行一次二维小波变换，小波基选择db4小波。dbN小波就是Daubechies 小波。Daubechies小波是由世界著名的小波分析学者Ingrid Daubechies构造的小波 函数，我们一般简写成dbN， N是小波的阶数。小波函数和尺度函数中的支撑区为2N-1，小 波函数的消失矩为N。除N = 1夕卜，dbN不具有对称性(即非线性相位)。dbN没有明确的 表达式(除了 N = 1夕卜，即哈尔小波)。 Daubechies小波具有以下特点 (1)在时域上是有限支撑的，即小波函数长度有限，且N值越大，小波函数的长度 就越长。(2)在频域上小波函数在0频率点处有N阶零点。 (3)小波函数和它的整数位移正交归一。 (4)小波函数可以由尺度函数求出。 小波变换的使用，是为了对象进行一定的压縮。另外提取的低频分量，收噪声影响 较少。对图像的小波分解具体公式如下 / (X,力=S 附A,附+ 2] 4,mW、,附+ Z！ + S《，附^、,附Ar，ffJ 其中f(x，y)为经过上述变换和处理的图像，(K,m即小k,m(x，y)，是小波变换中的 尺度函数，小k,m(x，y) = cK(x)小m(y)，k，m分别是尺度函数水平和垂直的位移标识； !^k,m， V2k,m， V3k,m为小波函数，k，m分别是尺度函数水平和垂直的位移标识，具体的二维小波函数的公式如下 ￥、迈=(J)k(x) V迈(y) ， V2k,m= Vk(x) (J)迈(y) ， V3k,m = iJ/k(x)Vm(y) 其中，小(x) ， V (y)分别为一维的尺度函数和小波函数；Ck,m为低频系数，elk, , dk,m2， dk, J为高频系数，其公式如下Ck, m = 〈f ， (^,迈>，《=〈yV"〉，《=〈/>2m〉，《=〈/,一"； 在这里，给出图3作为二维小波变换的图示。其中h代表低通滤波，g代表高通滤波。I 2表示对图像数据进行2的下采样。Ck,丄Ck,mW为低频系数，dk,mJ"，dk,mJ'2，dk,mJ'3为 高频系数。因为只进行一次小波变换，所以对于尺度的标识没有在公式中体现。而在图示 中，j代表了尺度。 对变换和处理后的图像f (x， y)，保留其中ck,m系数组成的低频分量图像。4所述St印5中序特征的提取是以掩模运算的形式进行的，其步骤为a. 先对图像进行补零操作，在图像的原有行列基础上在四周补零，假如窗口大小 设定为1Xn， 1， n分别代表窗口的行数和列数都必须为奇数，1 = 15， n = 15，则在图像上 方和下方补(l-l)/2行零，在图像的左右两侧补(n-l)/2列零;b. 补零之后，窗口从第1行第列1开始，按行逐个像素的提取该像素在窗口区域内 守征；c. 假定以p。为中心的窗口，有225个像素在窗口中，以N(p。)来定义这个邻域的 像素集合，其中包括中心像素，I(P)表示像素P的像素值，0(p。)则代表了像素在p。在窗口 区域内的序特征数量形式，O(po) = I I {p G N(Po) |l(p)《I(p0)} I I。在St印3的步骤D中，埃尔米特(Hermite)插值是拉格朗日插值的一种广义形式， 它不仅对数据点插值，而且还对其导矢插值。常见的埃尔米特插值是在t。处t"对两个数 P。， P工及其直到k阶导矢P。w， P,)， r = 1， 2，…，k进行插值它给出了一个2k+l次多项式插值曲线，其中基函数Hr,i(t)满足下式<formula>formula see original document page 5</formula>实际应用中使用最多的是三次埃尔米特插值，此时有p <formula>formula see original document page 5</formula>射 <formula>formula see original document page 5</formula>称为三次埃尔米特基函数。H。,。 (t)本文档来自技高网...

【技术保护点】
一种基于序特征的人脸识别图像处理方法，其特征在于：该图像处理方法包括如下步骤：Ｓｔｅｐ１：通过普通摄像装置拍摄一般光照条件下的包含人脸的图像；Ｓｔｅｐ２：对图像进行尺度归一化，得到调整后的图像；Ｓｔｅｐ３：对调整后的图像进行一次二维小波变换，对图像进行进一步的压缩，并提取低频分量；Ｓｔｅｐ４：提取低频图像的序特征，形成以序特征为成分的人脸图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙涛，刘毅，杨环，杨永密，
申请(专利权)人：山东大学，
类型：发明
国别省市：88[中国|济南]