【文章內容簡介】 度校正、噪聲過濾等圖像預處理。對于人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。 （ 3）人臉圖像特征提取 人臉圖像特征提?。喝四樧R別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數特征、人臉圖像代數特征等。 人臉特征提取就是針對人臉的某些特征進行的 。 人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數特征或統(tǒng)計學習的表征方法。 基于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征。基于知識的人臉表征主要包括基于幾何特征的方法和模板匹配法。 （ 4）人臉圖像匹配與識別 人臉圖像匹配與識別：提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。 小結 本章 主要 探討了人臉識別 技術的 相關 理論，闡述了人臉識別技術的研究意義及現狀， 分析了人臉識別的一般 技術 過程， 對 人臉識別性能評 價標準做了簡要描述 ，令讀者對人臉識別技術具有了一定初步了解，同時為后文算法的引入作了鋪墊 。 青島 理工大學畢業(yè)設計（論文） 9 第 2 章 離散余弦變換 的基本理論 研究 DCT 的初期發(fā)展 快速算法 第一代 DCT 及其應用主要表現在快速算法進步和減小塊虛像上是面向波形或過程的 [5]，如一個 8 8 圖像子塊直接 DCT 需要 8192 次乘和 3584 次加操作，在 MPEG1 解碼時，計算 IDCT 的時間占總時間的 %。 利用 2D 或 3D DCT/IDCT 的正交可分解性， 20 世紀 90 年代末 DCT 快速算法已近極限， 1D DCT的快速算法譬如 Loeffler 等人提出的，其乘法器和加法器的數目減少到理論下線。目前集成電路的發(fā)展，一次乘與一次加的耗時幾乎相等，運用 DCT 的正交性、對稱性，包括一些碟形算法等，進行一個 8 8 圖像塊的 DCT 需要時間降為原來的 (1/5～ 1/3) [6]。 DCT 以它的“提取特征成分的能力和運算速度之間的最佳平衡”顯示出它的應用優(yōu)越性。在傳統(tǒng)的 2D DCT 圖像壓縮編碼中，依據信號的自然屬性和視覺特性（ HVS）將 DCT 后的系數按 Zigzag 掃描，取前若干較大的低頻系數作為特征分量，用零代替后面高頻系數的截短 DCT 編碼，也能重建滿意的 圖像。正是 DCT 的簡捷高效性，才能在眾多變換編碼中脫穎而出 實際中傳輸甚低碼率如在 中，利用圖像（塊）間平緩區(qū)域占多數，通過快速運動補償（減小時間冗余）得到幀間或幀內的 8 8 預測誤差圖像塊 x(m,n)，若滿足 ?? ?? ?7 07 0 16)),((yx QnmxA B S () 其中 Q 為量化參數，即判斷該塊為全零 DCT 系數，因而可以避免計算該DCT 塊的所有頻率系數 提高實時應用能力。 塊效應消除 傳統(tǒng)的塊 DCT、量化和編碼的方法需改進，是因為它易產生塊虛像 這是由于對低頻系數的量化導致相鄰塊之間的強度不連續(xù)，尤其是在低比特率時。消除塊虛像采用后處理的技術較多 20世紀 90年代后期出現了速度更快的直接在 DCT域中進行塊虛像（盲）檢測和消除技術，特點是當一個 DCT 系數由 Laplacian 概 青島 理工大學畢業(yè)設計（論文） 10 率函數模型化時，減小塊虛像可通過對直流 (DC)和交流 (AC)系數進行修正或重新計算來實現 ,其中 DC 系數尤為重要。實驗證明，量化后的各塊之間斜率均方誤差（ MSDS）較量化前大，因此綜合使水平、垂直和對角方向上的 MSDS 為最小，可有效地減小或去除塊虛像，也可對每個 DCT 塊所形成的大小為原圖像 1/64 的DC 圖像中，采用 Sobel 梯度算子把原圖像所有邊緣塊劃分成 3 類，采用不同的處理方法。這樣在盡可能多 保留原圖像完整性的同時減小了塊虛像 [7]。且通過Sobel 算子或塊方差的大小檢測圖像塊是否為邊緣和紋理塊，進而采用 DPCM 或奇異值分解（ SVD）編碼，對于 DPCM 獲得的冗余用 Rice 編碼較為簡單，而 SVD以稍高的編解碼復雜性換取恢復的圖像質量高。如在“ DCT 系數域中進行塊虛像檢測以及結合后處理技術”以徹底消除 DCT（塊）虛像的理想方案是值得研究的。此外，根據網絡、緩沖器傳輸能力自適應調整 DCT 系數的 量化步長達到控制變長編碼碼率的傳輸速度也有實際意義?；蛘哒f DCT 系數結合運動補償或輸出碼流緩沖時的參數自適應選擇問題，也還有文章可做。 第二代 DCT 編碼的進展 第二代 DCT 編碼體現出以下幾個特征： 從內容上強調人眼視覺特性（ HVS）的充分利用，力圖用物體的紋理和形狀結構或輪廓等特征信息來描述對象；其次DCT 系數應不僅為壓縮與恢復原圖像所專用，還可實現其他功能即 DCT 本身發(fā)生實質性躍變。 1995 年基于分塊 DCT 數字水印技術以及形狀自適應 SADCT 的發(fā)表標志著 DC 進入了新時代，此時 MPEG2 也剛剛成 為國際編碼標準，而兼容MPEG1 標準的 MPEG2 就是以 DCT 結合運 動補償為圖像壓縮編碼的，是目前圖像編碼的主要應用標準之一。 進入第二代 DCT 以后，面對 SPIHT 成功應用，針對區(qū)域的 DCT 及其運動補償、 DCT 與其他變換編碼的結合 ， 塊虛像消除以及利用 DCT 域進行信息隱藏等等的研究相當活躍 ,一些更高的壓縮標準 MPEG (+/++)等相繼推出。近年來，為進一步減少圖像失真同時便于計算機處理 ，出現整型小波變換、整型DCT 等。至于整型 DCT 首先通過計算 DCT 浮點變換的整數可逆矩陣分解，從而得到可 以整數實現的可逆矩陣變換，然后再利用得到的分解矩陣依次對圖像樣本進行變換，最后將變換得到的系數用多種高效編碼方法進行編碼。 1999 年后 青島 理工大學畢業(yè)設計（論文） 11 發(fā)展起來的二進制 DCT 利用提升結構消去了乘法，只用移位和加法來實現，既能實現靈活的正交變換又能達到無損壓縮，采用僅有移位和加法操作的提升步長的雙正交 DCT 其編碼速度與 DCT 相比有很大提高，雙正交 DCT 已經實踐于 視頻壓縮編碼中，最新的 標準使用的基于 4 4 數據塊的變換，就是類似于 DCT 的整數變換 [8]，因此不存在逆變換因取舍而產生的誤差?；?（ 近）無損的 區(qū)域 DCT 編碼將是最有潛力的編碼形式，是第三代 DCT 編碼的基本要求。 二維離散余弦變換 原理 對于一幅 M N 的灰度圖像 ， X(x， y)表示灰度圖像中坐 標 (x， y)處的灰度值 ，其離散余弦變換定義 [9]為 ]2 )12(c os []2 )12(c os [)()()()( 1010 N vyM uxyxXvauavuY NyMx ?? ??? ?? ???? ， () 其中： u=0， 1， 2，， M1； v=0， 1， 2，， N1，被稱為頻域變換因子 ；Y(u， v)為變換結果 ， 也稱為 DCT 系數。 分析離散余弦變換的定義可知 :當頻域變換因子較大時 ， DCT 系數 Y(u， v)的值較小。 DCT 系數較大的數值 主要分布在系數矩陣的左上角區(qū)域 ， 而能量信息主要集中在左上角區(qū)域。即左上角區(qū)域的少量系數是能量的集中體現。本文利用了這一特點 ， 提取 DCT 之后左上角區(qū)域的少量系數作為特征進行識別。 離散余弦變換的逆變換定義 [9]為 : ]2 )12(c os []2 )12(c os [)()()()( 1010 N vyM uxvauavuYyxX NvMu ?? ??? ?? ???? ， () 其中： x=0， 1， 2，， M1： y=0， 1， 2，， N1。 分塊 DCT 的實現過程 本過程以 ORL 人臉庫中的部分圖像為例。首先 ， 輸入 ORL 人臉庫中的一幅人臉圖像 ， 首先 將此 112 92 的人臉圖像 縮放為 112 96 的圖像 ，利用排列矩陣的方式分割為 一系列 共 168 個 互不覆蓋的 8 8 子塊。然后 ， 對每個 8 8 的子塊做 DCT， 得到 64 個變換系數 ， 利用亮度量化矩陣量化所得到的變換系數矩陣。 青島 理工大學畢業(yè)設計（論文） 12 最后提取每個量化系數矩陣的第一個系數 (DCT 之后的直流系數 )， 組成一個 168 1 的向量作為識別特征矩陣。圖 1 為利用分塊 DCT 及其逆變換實現圖像重建的過程。圖 1(a)為 ORL 人臉庫中的第一個人的第一幅原始人臉圖像。圖 1(b)為將圖 1(a)經過分塊 DCT 和量化之后 ， 直接進行 DCT 重建之后的圖像。比較圖 1(a)與圖 1(b)可以看出兩幅圖像存在差異 ， 但是差異 細微。圖 1(c)為圖 1(a)經過分塊DCT 和量化之后 ， 利用保留的低頻信息重建后的人臉圖像。由圖可以看出 ， 低頻信息體現了人臉圖像的輪廓信息 ， 可以作為一種識別特征 。 （ a） 原始圖像 （ b）重構圖片 （ c）低頻信息圖片 圖 分塊 DCT 實現 小結 本章主要探討了 離散余弦變換 的相關理論，闡述了 離散余弦變換的發(fā)展進程 ， 介紹了二維離散余弦變換的基本原理 ， 簡要描述了分塊離散余弦變換的實現過程 ，令讀者對 離散余弦變換 有了一定初步了解，同時為 實驗部分分塊 DCT部分的過程進行了簡 單介紹。 青島 理工大學畢業(yè)設計（論文） 13 第 3 章 KL 變換和 PCA 的基本理論研究 簡介 主成分分析 (Principal Components Analysis。即 PCA)，是圖像壓縮中的一種最優(yōu)正交變換。它從圖像整體代數特征出發(fā)，基于圖像的總體信息進行分類識別。Simvich和 Kirby首先將 KL變換用于人臉圖像的最優(yōu)表示。 Turk和 Pentland進一步提出了“特征臉” (Eigface)這個概念。下文首先介紹了 KL變換及 PCA算法的原理和實現過程。將 PCA方法用于人臉識別，其實是假設所有的人臉都處于一個低維線形空間， 而且不同的人臉在這個空間中具有可分性。其具體做法是由高維圖像空間經 KL變換后得到一組新的正交基，對這些正交基作一定的取舍，保留其中的一部分生成低維的人臉空間。 通過 KL變換得到高維人臉空間的投影矩陣，人臉圖像都可以由這些矩陣的線性組合來表示，正是因為這些矩陣呈現人臉的形狀，所以將這種人臉識別稱為特征臉 (Eigenface)方法 [10]。 KL 變換和 PCA分析 對給定的信號 x(n)，如果它的各個分量之間完全不相關，那么表示該數據中沒有冗余 。若 x(n)中有相關成分，通過去除其相關性則可達到數據壓縮的 目的。主成分分析方法 (PCA)基本思想是提取出空間原始數據中的主要特征 (主元 )，減少數據冗余，使得數據在一個低維的特征空間被處理，同時保持原始數據的絕大部分的有用信息，從而解決數據空間維數過高的瓶頸問題。 一個寬平穩(wěn)的實隨機 向量 TNxxx )]1(,),1(),0([x ( n ) ?? ?，其協方差矩陣 xC 定義為： ??????????????????1,10,11,00,0}))({(NNNNTxxCCCCxxxEC??????? () 式中 E{ }代表求均值運算， μ=E{x}是信號 x 的均值向量 ， xC 的元素 ),()})()()({(),( ijCjxixEjiC xxxx ???? ?? () 即協方差陣是實對稱的。顯然，矩陣 xC 體現了信號向量 x 的各分量之間的 青島 理工大學畢業(yè)設計（論文） 14 相關性。若 x 的各分量互不相關，那么 xC 中除對角線以外的元素皆為零。 KL 變換的思路是尋求正交矩陣 A，使得 A 對