图像处理技术在人脸识别中的应用

郭乐++杨立波++郭欢++高仲兴

摘 要：人脸识别技术是一种比较容易被人们接受的非侵犯性识别方法，在使用上较指纹、掌纹、虹膜等其它的生物特征更加友好、直接和方便。图像的预处理工作在人脸识别过程中发挥着很重要的作用，直接关系到人脸识别的准确率，因此，在人脸的检测和定位前对图像进行预处理是非常必要的。本文简单介绍了人脸识别的基本过程，主要分析了人脸识别中的图像处理技术，如图像的灰度化处理、中值滤波、直方图均衡化和小波变换等，并在MATLAB中实现。

关键词：人脸识别 预处理 灰度图像 小波变换

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2015）01（a）-0022-02

人脸识别是近年来模式识别、机器视觉、神经网络、图像处理等领域研究的热点课题之一。人脸识别系统首先通过摄像头获取待识别对象的面部图像，再利用核心算法对其面部特征进行计算分析，进而和数据库中的信息进行比对，最后进行人脸识别，达到判断出用户的真实身份的目的。这是一项比较高端的计算机图像处理技术。

1 人脸识别过程

一个完整的人脸识别过程大致分为以下几个步骤，如图l所示。

人脸识别首先是对待训练图像进行预处理，减少因光照、尺寸、角度、表情等因素对识别率造成的影响，然后进行人脸检测与定位，接着对所定位到的人脸图像进行特征提取，将所得的人脸特征存入数据库，作为人脸识别的依据。识别时，同样是对待识别人脸图像进行人脸图像预处理、人脸检测与定位、特征提取，然后将所得特征与数据库中的人脸特征进行比对，从而得到人脸识别结果。

2 人脸识别中的图像处理技术

图像在采集过程中，由于受光线等外部环境因素和摄像头、采集卡噪声等内部因素的影响，采集到的人脸图像绝大多数不能满足识别的要求，因此对人脸图像进行预处理是人脸识别中非常重要的一步。

2.1 图像的灰度化处理

采集到的人脸图像通常可以分为彩色图像和灰度图像。图像的灰度化处理过程即为将彩色图像转化成为灰度图像的过程。利用彩色图像的颜色信息进行识别往往会受到复杂背景的干扰，影响识别效果。然而灰度图像具有易于处理的优点，因此人脸识别一般以灰度图像为研究对象。对于人脸的彩色图像，可首先对其进行灰度化处理。灰度图像的每个像素只有一个采样颜色，通常显示为从最暗的黑色（0，0，0）到最亮的白色（255，255，255）的灰度，其中一个像素点RGB分量的变化范围是0到255，所以为了使后续的图像的计算量更简单，在进行人脸检测之前一般先将各种格式的图像转变成灰度图像。

灰度图像依然反映了整幅图像的局部和整体的亮度、色度等级的特征和分布。彩色图像与灰度图像之间的各RGB分量对应关系见式（1），根据该公式我们就可以将一幅彩色图像转换成灰度图像。

（1）

2.2 中值滤波

我们所得到的灰度图像，无论是直接获取还是由彩色图像转换，都避免不了噪声的存在，噪声对图像的质量具有很大的影响。中值滤波在去除孤点噪声的同时，还可以很好地保持图像的边缘特性。在一定条件下，中值滤波可以解决线性滤波器处理图像细节模糊的问题，并且对图像扫描噪声和滤除脉冲干扰都非常的有效，但是，对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波是将一个含有奇数点的窗口在图像上扫描，然后把该窗口扫描到的像素点按照灰度值级进行上升或下降排序，取中间的灰度值来代替该点的灰度值，即：

（3-2）

常用的滤波器的采样窗口如下所示：

方窗 十字窗 中心加权窗 菱形窗

2.3 灰度归一化

对图像进行灰度归一化处理是对图像进行光照补偿等处理的有效措施，其中比较典型的方法是直方图的均衡化。灰度变换的一个重要应用即是直方图的均衡化，它高效且易于实现，在图像增强处理中应用极为广泛。图像像素的灰度变化范围呈随机分布，直方图的图形呈高低不齐分布，直方图均衡化就是用一定的算法使灰度直方图大致平和。均衡化的图象的动态范围虽然扩大了，但其根本是减少量化级别，扩大量化间隔。因此，原来像素不同的灰度经过处理后可能变的相同了，形成了一片具有相同灰度级的区域。进行直方图均衡化，是对图像中像素个数少的灰度级进行缩减，而对像素个数多的灰度级进行展宽，使图像的灰度分布范围相对均衡，要尽可能的覆盖所有的灰度级，没有占绝对优势或者绝对劣势的像素，从而达到清晰图像的目的。

2.4 几何归一化

在获取原图像时，由于被拍摄人所处的位置、成像距离、光照强度等因素的影响，可能会造成同一个人在不同照片中的人脸大小、位置等也不同，而我们在识别中用到的算法经常使用整幅图像，如果原始图像不经过处理，则会影响到人脸识别的效率，因此要对图像进行几何归一化，以达到不同的人脸图像大小相同、人脸的关键部位在图像中的相对位置也基本相同的目的。几何归一化主要包括图像旋转、图像镜像、图像平移和图像缩放。

2.5 小波变换

图像处理是小波分析应用的重要领域，近年来小波分析已经被证明是进行图像处理的强有力的工具之一。因为小波分解可以把图像分层次按照小波基展开，并且根据图像的性质及其给定的图像处理标准可以确定展开到哪一级，还可以把细节分量和近似分量分开，所以小波分析经常用于压缩、去噪等方面。适当层次的小波变换后的低频子带图像刻化了人脸的表情和姿势的不变特征，具有较好的稳定性。由图2可以看出，二级小波变换后的低频子带图像仍然是原图像的光滑像，并且图像向量的维数变得更低，图像也随之更加模糊。随着小波变换级数的增加，这种效果造成的影响越来越大，因此，选择适当的小波分解层数对识别的效果和算法的复杂度都是非常重要的。

3 结语

人脸识别是当前最热门的模式识别研究课题之一，对日常生活中的身份认证有很大的帮助。该文针对图像处理技术在人脸识别中的应用问题进行了研究。考虑到角度、光照和尺寸等因素对人脸图像造成的影响，为了得到标准化的图像，对图像进行了灰度归一化和几何归一化处理。利用小波多分辨率分析的优势，将得到的图像进行预处理，使处理后的图像能够快速、准确地识别人脸。

参考文献

[1] 孙顺利.基于小波变换的PCA人脸识别方法[D].大连：大连理工大学，2007.

[2] 武夫文.人脸识别算法研究[D].兰州：兰州理工大学，2008.

[3] 基于灰度变换的图像增强及MATLAB实现[EB/OL].（2012-12-24）http：//wenku.baidu.com/view/abe3084269eae009581becf0.html.

[4] 韩增锟.人脸识别中面部图像处理算法研究[J].计算机与数字工程，2012（4）.

[5] 数字图像处理[EB/OL].（2012-12-24）http：//wenku.baidu.com/view/a35b67dfa58da0116c17497f.html.

[6] 马桂英.基于小波变换和PCA-ANN的人脸识别[J].电脑知识与技术，2009（27）.