基于Gabor小波人脸图像矫正的研究

张良

摘要：人臉识别技术有巨大前景，但是在现实生活中，图像容易出现光照，拍摄角度，人物姿势表情的各种变化，这都会使识别的精确度减低。本课题重点研究对人脸图像的预处理中的旋转矫正。本课题主要基于彩色人脸图像，对图像进行形态学处理，进而达到人脸图像轮廓提取（人脸分割）处理，然后利用Gabor核函数滤波进行双眼定位，最后通过几何原理进行不同角度的旋转矫正，并且存储为新的图像，为下一步人脸识别打好基础。

关键词：人脸识别；Gabor；旋转矫正

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2017）06-0054-02

1 引言

最近几年，人脸识别成为一个具有挑战性的问题。将人脸识别和指纹、DNA检测，足印等这些传统身份识别方法进行对比，人脸识别有着不可估量的优势：直观方便，不需要用户或测试者的直接参与，采集图像快捷有效。总之，人脸识别技术近几年来发展速度很快，在公共场所，机密单位监控等也有了实际应用，但依旧存在不少亟待解决的问题，例如其识别的准确度还远远比不上指纹和虹膜识别，并受姿态，光照等主要因素的影响。为了提高识别精确度，本课题基于彩色人脸图像，对图像预处理环节之一的旋转矫正进行研究，其中还包括人脸的检测与分割，双眼的定位。

2 人脸矫正

2.1 形态学处理

形态学是针对图像形态特征，对图像进行特殊处理的方法和理论。本文主要用到膨胀，腐蚀和开运算。

2.2 Gabor小波

生物学研究发现，Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似，能模拟出大脑皮层中简单细胞感受野的过程。Gabor小波变换在信号分析处理的时候同时作用在空域与频域，在图像处理、模式识别等领域有着普遍应用。

从以上公式可以看到Gabor小波变换在空间域和频率域均有较好的分辨能力，能分辨出图像某些区域内多个方向的空间频率和结构特征，也就是说在空域对方向敏感，在频域对频率敏感。

鉴于Gabor小波对方向和尺寸敏感的这个特点，Gabor小波表现为容易找到图像的边缘，可以令边缘等图像特征得到增强，也就是强化了人脸关键特征，如眼睛、鼻子、嘴巴等信息，从而分辨出不同的人脸图像，并且保留总体人脸信息和突出了人物重要特征。

如果采用图像中灰度值来识别眼睛的话，模式特征容易受到人的姿势表情，光照变化和眼镜，角度的影响，识别精度难以保障。但是Gabor小波变换能够减低光照条件的变化对人脸图像的影响。另外，Gabor小波变换对位置不敏感，图像的几何变化对Gabor小波变换几乎没有影响，还能减小图像噪声的影响。

在多数的使用Gabor特征的人脸识别算法中，只选用了Gabor的幅值信息，而没有选择相位信息，原因是Gabor相位会随着空间的变化呈周期性变化，而幅值的变化则稳定。

2.3 旋转矫正

得到双眼坐标后，通过几何原理得到旋转角，具体步骤如下：首先判断两坐标的y值大小，经试验可知，若从左到右选择双眼坐标，则Y（1）是右眼，Y（2）是左眼。因而若Y（1）大于Y（2），即右眼高于左眼（头向右倾斜），双眼连线与水平线的夹角介于0到，旋转矫正就需要顺时针旋转；若Y（1）小于Y（2），即左眼高于右眼（头向左倾斜），双眼连线与水平线的夹角介于到，旋转矫正需要逆时针旋转。至于旋转角度可用以下公式计算：

计算好旋转角度后，由于Matlab默认弧度计算，而需要用到的旋转内部函数imrotate（A，angle）是用角度，所以要先进行弧度角度转换，另外函数imrotate是将图像A按angle角度以其原点为中心旋转，角度取值大于0，逆时针旋转；角度取值小于0，顺时针旋转。程序上先对左右眼睛的相对位置进行if-elseif语句判断，再分别进行顺逆时针的旋转。若眼睛水平呈直线，则不需旋转矫正，直接应用到下一步的人脸识别。眼睛得到旋转矫正后，原图像也随着角度进行同样的旋转矫正。

经过读入彩色图像，人脸检测与分割，双眼定位，旋转矫正后，可以得到新图像。各项步骤得到的图像过程如图1所示。

3 结语

为了完成人脸图像的旋转矫正，就要根据人眼与人脸的稳定一致性特点来找出眼睛，来计算出需要旋转的角度并实现；而找到眼睛前，需要从图像中检测出人脸区域，缩小眼睛搜索范围。从以上思路来看，本次研究的每一步结果都达到了基本的预设要求。

参考文献

[1]李云峰.基于Gabor小波变换的识别[A].大连理工大学，2005，（10）63-68.

[2]金一.人脸识别中的若干算法研究[A].北京交通大学博士论文，2009，（12）166.

[3]李季檩.基于2D图像的人脸特征定位和人脸识别[A].上海交通大学，2007，（01）23-30.

[4]孙艳秋，于洋.通用人脸图像预处理方法及其MATLAB仿真[A].辽宁科技学院，2005.（6）2-4.

[5]唐伟，陈兆乾.静态灰度图像中人脸检测方法综述[A].南京大学计算机软件国家重点实验室，2002，（02）166-175.

[6]冈萨雷斯.数字图像处理（MATLAB版）[M].电子工业出版社，2012，（11）P152，P276-278.

Abstract：Face recognition technology has tremendous prospects， but in real life， prone to light of the image， camera angle， posed facial expression changes， this will cause the recognition accuracy reduced. This topic focuses on face image preprocessing in the spin recovery. This topic mainly face image based on color and morphology to image processing， thus face contour extraction （face segmentation）， and eye positioning using Gabor filter kernel function， and finally through the geometry to rotate at a different angle to correct， and stored as new image， laying a good foundation for next face recognition. Key words： facial recognition spin recovery.

Key Words：Face recognition；Gabor；Rotation correctionendprint