【正文】 人臉圖像的預(yù)處理 在現(xiàn)實(shí)情況下，我們所提取的人臉圖像可能絕大多數(shù)都不是標(biāo)準(zhǔn)格式的，不僅如此，可能還會受到各種各樣的因素影響，進(jìn)而導(dǎo)致最終的人臉識別準(zhǔn)確率不是那么高，為了盡可能的減小甚至消除這些情況對人臉識別的影響，故而在人臉特征提取之前需要進(jìn)行人臉圖像的預(yù)處理。 人臉特征提取的步驟及方法 Chellappa 給出的人臉識別定義是，給出靜態(tài)或者視頻圖像，將其中的一個或多個人臉和存儲于數(shù)據(jù)庫中的人臉相比較，確定出圖像或視頻中各個臉的身份。 另外，國外的一些高校在這方面也取得了顯著的成就，主要是以麻省理工大學(xué)（ Massachusetts Institute of Technology ）、卡內(nèi)基梅隆大學(xué)（ Carnegie Mellon University）和英國的雷丁大學(xué)（ University of Reading）等為首。1996 年美國軍方更是組織了人臉自動識別系統(tǒng)大賽，獲得冠軍的是勒克菲勒大學(xué)的Face1t 系統(tǒng)。 最早的自動人臉識別研究論文是 1965年 Chanamp。 其實(shí)在早前，北京科瑞奇技術(shù)開發(fā)股份有限公司在 20xx 年開發(fā)了一種人臉鑒別系統(tǒng)，對人臉圖像進(jìn)行處理，排除外界因素，再對圖像進(jìn)行特征提取和識別。 前面有說道：雖然我國這方面起步比較晚，但是在這方面發(fā)展卻是非?？斓摹Ｒ驗槿四樧R別不需要與相關(guān)設(shè)備直接接觸，也不需 要被測試者需要特定的行為，在這一點(diǎn)上它是區(qū)別于其他任何生物特征技術(shù)的 。 人臉識別是我們?nèi)粘Ｉ钪斜夭豢缮俚??技能 ?，是我們辨認(rèn)一個人采用的最普遍的生物特征識別方法。通常我們辨別一個人是通過我們的眼睛觀察這個人的臉部特征，恰好人臉識別和人們通常的識別相符合，所以 很容易被接受。 人臉識 別是身份識別技術(shù)的一種，它在身份識別領(lǐng)域的發(fā)展和應(yīng)用方面都有著重大意義：一是可以推進(jìn)對人類視覺系統(tǒng)本身的認(rèn)識；二是可以滿足人工智能應(yīng)用的需要。 生物特征識別技術(shù)（ Biometrics）以其唯一性、高可靠性和穩(wěn)定性成為了人們爭相研究的熱門技術(shù)。在電子商務(wù)、金融信息、司法安全、網(wǎng)絡(luò)傳輸?shù)雀鱾€應(yīng)用領(lǐng)域，都需要精確而唯一的身份鑒定 [1]。 Gabor wavelet transform。該部分主要是將提取出來的人臉特征 向量 進(jìn)行驗證， 并對兩種不同降維方法做比較 。 (2)針對 Gabor 小波的缺點(diǎn)，引進(jìn) LBP 算子，該算子的使用能有效的克服 Gabor小波變換的缺點(diǎn)。人臉特征提取是人臉識別過程的核心，特征提取的有效性直接影響到分類的速度和識別的性能。西南科技大學(xué)本科生畢業(yè)論文 1 Southwest university of science and technology 本科畢業(yè)設(shè)計（論文） 題目名稱： 基于 Gabor 小波的人臉特征提取算法研究及仿 真 西南科技大學(xué)本科生畢業(yè)論文 2 基于 Gabor 小波的人臉特征提取 算法研究及仿真 摘要 ： 人臉識別技術(shù)是模式識別與人工智能的研究熱點(diǎn)之一。 本論文的主要研究內(nèi)容包括以下方面： (1)基于 Gabor 變換的人臉特征提取算法。另外還詳細(xì)介紹了如何提取 “特征臉 ”的原理和實(shí)現(xiàn)過程，對 Gabor濾波器參數(shù)的選擇問題也作了詳細(xì)說明。 本文最后是在 orl和 yale 兩個人臉圖庫做仿真實(shí)驗。 LBP。 然而，如今的身份識別主要依靠身份證、工作證和密碼手段來鑒定一個人的身份。 所謂生物特征識別 [2]，就是根據(jù)不同人之間的身體（ physical）的或者行為（ behavioral)的特征的獨(dú)特性，來唯一地把未知身份識別出來。采用人臉識別技術(shù)，建立自動人臉識別系統(tǒng)，用計算機(jī)實(shí)現(xiàn)對人臉圖像的自動識別有著廣闊的應(yīng)用領(lǐng)域和誘人的應(yīng)用前景。因此，人臉識別及其相關(guān)技術(shù)的應(yīng)用前景也是生物特征識別諸多技術(shù)中最被看好的。人臉識別相對于其它的生物特征識別技術(shù)來說，具有以下獨(dú)特西南科技大學(xué)本科生畢業(yè)論文 7 優(yōu)勢 : (1)友好、直觀和方便。 (3)對拍攝設(shè)備無要求。截至目前，我過在這方面也取得了一定的成就， 08 年的北京奧運(yùn) 會就正式啟用了中國自主產(chǎn)權(quán)研發(fā)的人臉識別系統(tǒng)。這對于人臉鑒別特 別有價值，因為人臉鑒別通常使用正面照，要鑒別的人臉圖像是不同時期拍攝的，使用的照相機(jī)不一樣。Bledsoe 在 Panoramic Research Inc 發(fā)表的技術(shù)報告，但是由于 當(dāng)時的技術(shù)條件有限，所以取得的成就并不是很顯著。由此可見，外國的在這方面要比中國早很多，也成熟很多。而公司（ Visionics 公司 Facelt 人臉識別系統(tǒng)、 Viiage 的 FaceFINDER 身份驗證系統(tǒng)、 Lau Tech 公司 Hunter系統(tǒng)、德國的 BioID 系統(tǒng)等）他們的工程研究工作主要放在公安、刑事方面，在考試驗證系統(tǒng)的實(shí)現(xiàn)方面深入研究并不多。一般要在輸入之前對圖像進(jìn)行預(yù)處理，若有人 臉存在，則將其從背景中分割出來。該步驟主要是對輸入的人臉圖像進(jìn)行預(yù)處理，目的是消除其他因素的影響，改善圖片質(zhì)量，統(tǒng)一圖像的灰度值 及尺寸，為以后的特征提取和人臉分類識別打好基礎(chǔ)。也就是說，可以再時域和頻域獲得最佳的分辨率。通過修改 Gabor函數(shù)的參數(shù) sigma， theta，可以獲得不同中心頻率，不同方向上的 Gabor濾波器，從而提取到不同尺度和不同局部細(xì)節(jié)的紋理圖像特征。 應(yīng)用 LBP 算子 在 Gabor濾波后再分別進(jìn)行 LBP特征提取，是因為 LBP作為一種紋理描述方法，能夠有效地反映人臉圖像的局部特性 ,也是為了更有效的解決旋轉(zhuǎn)變化、光照變化和尺度變化等圖像分類問題，這也是本設(shè)計的創(chuàng)新點(diǎn)。局部保持投影 (LPP)是比較經(jīng)典的線性方法，著重關(guān)注于數(shù)據(jù)的局部關(guān)系。本設(shè)計將選用歐式距離測度法來度量人臉相似度進(jìn)行結(jié)果檢測，原因在于歐式距離在一定程度上放大了較大元素誤差在距離，應(yīng)用廣泛。為 解決這一問題人們將 Gabor 理論同小波理論相結(jié)合，提出了 Gabor 小波。實(shí)際上， Gabor 使用了一個 Gaussian 函數(shù)作為窗函數(shù)。 Gabor 變換雖然在一定程度上克服了標(biāo)準(zhǔn)傅立葉變換不具有局部分析能力的缺陷，且能最好地兼顧信號在時城和頻域地分辨率，但它同時也存在著自身不可克服的局限，即當(dāng)窗函數(shù) )(tg 確定后，窗口的形狀就確定了，因此 Gabor 變換是一種單一分辨率的分析 。近十幾年來，圍繞這一問題國內(nèi)外相繼提出了很多解決方法，最主要的有以 Bastiaans、 Wexler 和 Qian 等人為代表的解析法， Daugman等人提出的神經(jīng)網(wǎng)絡(luò)方法以及 Ibrahim等人提出的自適應(yīng)學(xué)習(xí)算法等等。 Gabor小波變換的定義 由于 Fourier 變換存在著不能同時進(jìn)行時間和頻率局部分析的缺點(diǎn)， 1946 年Gabor 提出了一種加窗的 Fourier 變換方法，它在非平穩(wěn)信號分析中起到了很好的作用。Gabor 變換的定義由下式給出：對于 2( ) ( )f t L R? , ( , ) ( ) ( )j w tG f w f t g t e d t??? ?????? (21) 其中 ()jwtg t e? ?? 是積分核。當(dāng) ? 在整個時間軸上平移時，就給出了 Fourier 的完整變換。這里 ,wG? 是 ,wg? 的 Fourier 變換。由此： , , 39。該式的意義在于頻域中的信號 ()Fr通過窗口函數(shù) , ()wGr? 的加窗作用獲得了 ()Fr 在頻域 ω 附近的局部信息即： ( ) ( ) ( )F w G r w F r= (211) 如果選用窗口函數(shù)在時域和頻域均有良好的局部性質(zhì)，那么可以說 Fourier 變換給出了信號 ()ft的局部時一頻分析。大量基于簡單細(xì)胞接受場的實(shí)驗表明，圖像在視覺皮層的表示存在空域和空頻域分量，并且可以將一幅圖像分解為局部對稱和反對稱的基函數(shù)表示， Gabor函數(shù)正是這種基信號的良好近似。 Gabor 濾波器 在實(shí)驗室中我們用的最多的是 Gabor 濾波器。 Gabor 濾波能夠體現(xiàn)出不同的方向性和尺度性。 （ 213） 下面我們對式（ 212）中的各項參數(shù)作 一個說明： exp( )jik x 是一個振蕩函數(shù)，實(shí)部 為余弦函數(shù)，虛部為正弦函數(shù)。 向量 jk 描述了濾波器對不同方向和不同尺度的響應(yīng)，通過選取一系列的 jk ，就得到了一族 Gabor 濾波器， ? 是一個常量， ? 和 jk 一起刻畫了 Gauss 窗的波長。選取 ? =0 ,...,3 這樣就可以在 4 個不同的方向上采樣 [13]。也就是說： ? +? 方向上的濾波完全可以由 ? 方向的結(jié)果確定。為了反映尺度上的合理采樣，實(shí)驗表明每次采樣的面積成倍的方式遞減比較合理， ? 是一個常量，這就要求 22 vvk ?? 。 ② Gabor 濾波器能充分描述圖像的紋理信息。 ④ Gabor 核函數(shù)由于去掉了直流分量，對局部光照影響不敏感。一般來說，大尺度濾波可以描述全局性 較強(qiáng)的信息，同時可以掩蓋掉圖像中噪聲的影響，而小尺度濾波可以描述比較精細(xì)的局部結(jié)構(gòu)，受噪聲影響也大。 (2)Gabor 核函數(shù)的計算方法 由于輸入的圖像為灰度圖像，這就是 ()Ix直接的離散化表示。 假設(shè) ( , )I xy 表示一幅圖像的灰度分布，則其 Gabor 特征表示為： ,( , ) ( , ) * ( , )u v u vO x y I x y x y?? （ 215） 其中， , ( , )uvxy? 是 Gabor 核函數(shù)， , ( , )uvO x y 是尺度 u ，方向 v 的 Gabor 小波卷積結(jié)果。由于我們所說的 Gabor 變換的快速算法是基于傅里葉快速算法而來的，所以我們先介紹傅里葉快速算法。這里的 ( ), ( ), Nx n X k W 通常都是復(fù)數(shù)，于是整個 DFT 運(yùn)算就需要 N2 次復(fù)數(shù)乘法和N(N1)次復(fù)數(shù)加法。 快速傅里葉變換的算法有很多，主要的算法有： 時間抽取 (DIT)基 2FFT 算法。 (2)N 為復(fù)合數(shù)的 FFT 算法。 若復(fù)合數(shù) N=LM，則其 FFT 的運(yùn)算量大致為： 復(fù)數(shù)乘法次數(shù)： N(M+L+1) 復(fù)數(shù)加法次數(shù)： N(M+L2) 分裂基 FFT 算法 (SRFFT)。當(dāng)復(fù)合數(shù) N 可以按照 Good 映射分解為幾個互素因子的乘積時，其 FFT 變換就可以避免旋轉(zhuǎn)因子的影響。該算法利用了 Good 映射將長度為 “大 N”因子的 DFT 分解成若干 “小 N”因子的連乘，再利用 “小 N”因子的 DFT，就可以得到 “大N”因子的 DFT。 (5)實(shí)序列的 FFT。用一個 N 點(diǎn)的 FFT 運(yùn)算一個 2N 點(diǎn)的實(shí)序列的運(yùn)算量為： 乘法次數(shù)： m2f=N/2(4+log2N) 加法次數(shù)： a2f=N(4+log2N) 主要有 4 類計算二維 FFT 的方法。二維 FFT 的一個重要參數(shù)是考慮存儲器的存取次數(shù)。 DFT 的卷積公式定義如下： 若 ( ) ( ) ( )y n x n h n??,DFT[ ()xn ]=X(k ),DFT[ ()hn ]=H(k ),則 ()yn =IDFT[X( k )H( k )]，但是，我們需要注意的是： ( ) ( ) ( )y n x n h n??進(jìn)行的是循環(huán)卷積，循環(huán)卷積的定義如下： 1100( ) ( ) ( ) ( ) ( ( ) ) ( ) ( ) ( ( ) ) ( )NNN N N Nmmy n x n h n x m h n m G n h m x n m G n????? ? ? ? ? ??? 其中： ? ?1 ( 0 1 )0 ( 0 , )( ) , ( ( ) ) ( )N N NnNn n NG n h n m G n? ? ??? 表示 ()hn 的圓周移位序列， 其實(shí)質(zhì)上與 (( )) ( )NNx n m G n? 的含義類似。如果將序列 ()xn 和 ()hn 都適當(dāng)?shù)难a(bǔ)零，設(shè) ()xn 長度為 I， ()hn長度為 M，則當(dāng)我們將 ()xn 和 ()hn都補(bǔ)零到長度為 ( 1)L L M N? ? ?時，圓卷積和線卷積結(jié)果相同。由此，復(fù)雜度大大減少。 在實(shí)際應(yīng)用中，方向的選擇總是離散的，而圖像目標(biāo)的旋轉(zhuǎn)是比較隨 意的，傳統(tǒng)的二維 Gabor 小波變換具有方向選擇性，不具備旋轉(zhuǎn)不變性。 PCA 的核心思想是利用較少數(shù)量的特征對樣本進(jìn)行描述以達(dá)到降低特征 空間維數(shù)的目的。在近 10年來， LBP 算子已經(jīng)被廣泛地應(yīng)用于圖像檢索、人臉圖像分析、圖像內(nèi)容識別和紋理識別等領(lǐng)域，都取得了不錯的效果 [47,48]。對于沒有完全落在像素位置上的點(diǎn)，采用雙線性插值算法計算其灰度值 [45,46]。實(shí)驗證明：均勻模式能夠在有效地描述出圖像中大部分紋理信息的同時