【文章內(nèi)容簡介】 征，基于局部的特征提取方法強有力地表達(dá)細(xì)節(jié)信息。人臉圖像的紋理特征能夠表征人臉的特征信息，采用整體和局部相結(jié)合的特征提取方法能夠更加全面地描述人臉特征。對局部特征的描述，采用等價局部二進制模式；對整體特征的描述，采用小波多尺度分析，提取人臉的多尺度等價局部二進制模式特征，最后把兩者綜合起來，構(gòu)成人臉的多尺度特征。5．人臉識別模塊人臉識別算法常用的有主成分分析(PCA)，線性判別分析LDA，神經(jīng)網(wǎng)絡(luò)，支持向量機SVM，最小近鄰法等，基于多種識別算法相結(jié)合的方法常用于人臉識別，但是這些方法都沒有找到人臉特征最優(yōu)描述和分類意義最優(yōu)的結(jié)合點。人臉圖像近似處于一個非線性子流行上，借鑒混沌理論中分形的思想，尋找嵌入在高維數(shù)據(jù)模型的低維子流行是人臉識別降維的關(guān)鍵。流行學(xué)習(xí)方法是描述非線性子流行的有效方法。保局投影和正交保局投影的方法成功應(yīng)用于高維人臉圖像降維，但是正交保局投影的方法正交化過程迭代運算過大，兩者都沒有利用類別信息，雖然能得到最優(yōu)的特征描述，但是并非分類意義上最優(yōu)。采用正交拉普拉斯特征臉識別算法，考慮類別信息，把類間離散度融入保局投影的目標(biāo)函數(shù)，進行有監(jiān)督學(xué)習(xí)，采用矩陣分解的方法，獲取特征值，實現(xiàn)投影基向量的正交化，經(jīng)過投影矩陣變換，實現(xiàn)降維，最后，采用最小近鄰法識別人臉。本章概述人臉識別流程，對人臉識別系統(tǒng)的各模塊做了全面的介紹。以每步的關(guān)鍵技術(shù)為出發(fā)點，研究相關(guān)技術(shù)，為人臉的自動化識別建立系統(tǒng)模型。第三章圖像預(yù)處理從前面介紹的人臉識別處理流程可知，圖像預(yù)處理是人臉識別處理流程的第一步。圖像預(yù)處理的目的是對偏色圖像進行糾正和對光照不均的圖像進行增強。本章提出一種結(jié)合偏色糾正和改進Retinex的彩色圖像增強算法。利用灰度世界和完美反射理論建立偏色糾正的數(shù)學(xué)模型，通過線性擬合對偏色圖像進行偏色糾正。對彩色圖像進行亮度和色度分離，利用多尺度Retinex增強算法對亮度分量增強并進行自適應(yīng)調(diào)整，通過獲取的亮度增益矩陣對彩色圖像的RGB三分量進行逐點增強。3．1偏色糾正3．1．1偏色檢測和糾正方法概述偏色檢測是對光源發(fā)出的光進行檢測，判斷是否偏色。常用的偏色檢測方法主要包括直方圖統(tǒng)計法、灰平衡法、白平衡法等。直方圖統(tǒng)計往往可以給出此圖像的整體顏色表現(xiàn)。顏色的直方圖統(tǒng)計直接根據(jù)R、G、B三通道的平均亮度值初步判斷出圖像是否偏色?；移胶夥ㄊ轻槍M足“灰度世界”假設(shè)，即整幅圖像的R、G、B均值相等，體現(xiàn)為中性“灰”，統(tǒng)計3個通道的平均亮度，通過顏色空間轉(zhuǎn)換，獲得相對均勻的Lab坐標(biāo)，計算與中性點的色度距離，從而判斷是否存在偏色。白平衡法是針對存在鏡面反射的圖像，認(rèn)為鏡面反射或白色區(qū)域反射的高光部分能夠反映光源的色度，統(tǒng)計3個通道的亮度極大值，通過顏色空間轉(zhuǎn)換，獲得相對均勻的Lab坐標(biāo)，計算與理想光源的色度距離，從而判斷是否存在偏色。傳統(tǒng)的顏色校正方法主要有灰度世界顏色校正和完美反射顏色校正兩種。(1)灰度世界顏色校正n副。該方法假設(shè)圖像顏色豐富，圖像的3個通道統(tǒng)計平均值相等， “表現(xiàn)”為灰階的顏色。對拍攝的圖像進行統(tǒng)計求平均值，保持G分量不變，以R、B分量的均值作為顏色校正的依據(jù)。(2)完美反射顏色校正。物體本身并沒有顏色，它是通過不同波長的光的吸收、反射或是投射，從而顯示出顏色。若物體為白色，則表示所有的光都被反射。白色的物體或區(qū)域，稱之為完美反射體。完美反射理論基礎(chǔ)是假設(shè)在一幅圖像中，可以把完美反射體視為標(biāo)準(zhǔn)白色。一個白色的物體，在任何光源色溫下的圖像，其R、G、B皆為極大值。以完美反射體為基準(zhǔn)，對其他顏色進行校正?；叶仁澜绾屯昝婪瓷淅碚撨m用于大多數(shù)場合的顏色校正，但同時具有一定的局限性，不能正確再現(xiàn)物體的真實顏色。3．1．2二元法偏色糾正灰度世界和完美反射顏色校正方法各有其優(yōu)缺點，綜合兩種方法的優(yōu)點，建立線性加權(quán)模型，能夠?qū)崿F(xiàn)二者間的平衡。在原有灰度世界和完美反射方法“線性”映射校正的基礎(chǔ)上，以R通道為例，其校正表示為以下形式： （31)其中，a和b為通道的校正系數(shù)。根據(jù)灰度世界的假設(shè)，必須滿足以下條件： (32)根據(jù)完美反射理論，必須滿足以下條件： (33)由公式(3．1)， (3．2)， (3．3)可得相關(guān)通道校正系數(shù)a和b的矩陣形式為由求解出的顏色校正系數(shù)a和b對R通道進行顏色校正，G通道保持不變。同理對B通道進行校正系數(shù)計算和校正。圖31為原圖，二元法校正結(jié)果如圖32所示。圖31 原圖 圖32 偏色校正結(jié)果可以看出，原來圖像偏黃，校正后偏黃部分基本得到抑制，背景的白色得到再現(xiàn)?；叶仁澜绶椒ㄔ趫D像顏色豐富的條件下是可行的，而完美反射方法在存在白色物體的情況下也是可行，但是都具有局限性。結(jié)合兩種方法的特點，當(dāng)圖像顏色豐富的時候，可以突出灰度世界法校正效果；當(dāng)圖像以單一顏色為主時，可以有效抑制灰度世界法過飽和處理的缺點。3．2彩色圖像增強傳統(tǒng)的圖像增強算法有：直方圖均衡化、空域濾波增強、頻域濾波增強。這些算法都是全局圖像處理算法，雖然圖像的整體視覺處理效果有所增強，但會損失許多細(xì)節(jié)特征，而且主要是針對灰度圖像，并不能直接應(yīng)用到彩色圖像增強中去。彩色圖像的三基色分量相關(guān)性強，增強亮度和保持顏色不變相當(dāng)困難。彩色圖像增強算法分兩類：一類是根據(jù)顏色表示空間的多元化特征，將彩色圖像轉(zhuǎn)換到別的色調(diào)空間去，分離亮度和色調(diào)，再對亮度進行處理。另一類是從視覺特性出發(fā)，將色彩的恒常性應(yīng)用于彩色圖像的增強。基于Retinex理論的增強算法是典型的視覺特性不變增強算法n別。基于Retinex理論的算法影響深遠(yuǎn)。Land提出的Retinex理論可以用于動態(tài)范圍壓縮，Jobson等對Retinex理論進行改進提出了MSRCR(MultiScale Retinex with Color Restoration)n81，它利用象素周圍的已處理象素的統(tǒng)計特性來計算象素值。3．2．1基于直方圖均衡的光照補償彩色圖像增強的直方圖均衡算法是常用的方法，算法描述如下：(1)首先對彩色圖像I(x，y)(M*N圖像)進行灰度化處理得到g(x，y)。(2)對灰度圖像進行直方圖統(tǒng)計。 (3．5)其中，i=0，1，．．．，255。(3)假設(shè)臨界系數(shù)為T=，滿足以下條件 (3．6)得到k值。令i=0，1，．．．，k，滿足條件的像素的平均灰度值表示為， (3．7)(4)計算光線補償系數(shù)并對彩色圖像進行光照補償。 (3．8)對圖3．2進行直方圖均衡光照補償實驗結(jié)果如圖3．3所示。圖33 光照補償直方圖均衡增強能很好保持圖像的細(xì)節(jié)，這是一種整體增強算法，在要求不高的場合，卻是一種簡單、快速、有效韻算法。但是保留了高光區(qū)，對曝光過度無能為力，適應(yīng)性不強，陰影區(qū)域依然存在。3．2．2 Retinex理論圖像增強Land提出視網(wǎng)膜皮層理論，即Retinex理論。根據(jù)Land的理論，人眼感知物體的亮度取決于環(huán)境的照明和物體表面對照射光的反射，表示為 (3．9)入射光E直接決定了一幅圖像中像素能達(dá)到的動態(tài)范圍，被認(rèn)為是圖像L的低頻分量。反射物體R決定了圖像的內(nèi)在性質(zhì)。Retinex理論的目的就是從圖像L中揭示物體的反射性質(zhì)R取對數(shù)后可以表示為：log(R)=log(L)一log(E) (3．10)Land推出中心／圍繞空間對立Retinex理論n別，也稱單尺度Retinex(SSR)，對每一個顏色通道變換的結(jié)果可以表示為： i=1,2,3 (3．1 1)表示第i個顏色分量的圖像，*表示卷積算子，表示中心／圍繞函數(shù)，即 (3．12)是高斯函數(shù)的尺度參數(shù)，K由歸一化函數(shù)決定 (3．13)Ranhman等人提出了多尺度Retinex(MSR)算法。MSR就是對通道的單尺度Retinex輸出進行線性加權(quán)求和，其基本形式是： i=1，2，3 (3．14)表示第n個SSR的權(quán)值，通常w=1／N；仃。表示第n個SSR的尺度參數(shù)。針對灰度圖像的多尺度Retinex算法，比單尺度Retinex算法效果明顯改進，容易推廣到彩色圖像。彩色圖像的R、G、B三通道相對獨立，針對彩色圖像，提出了多尺度彩色復(fù)原算法(MSRCR)，它是在多尺度Retinex基礎(chǔ)上考慮相互獨立的各通道色彩的結(jié)果，見(3．15)式 (3．15) (3．16)稱為彩色恢復(fù)函數(shù)，調(diào)節(jié)各通道的顏色分量比例(i=1，2，3)；c為顏色校正系數(shù)，常取100。Retinex算法的中心／圍繞函數(shù)相當(dāng)于一個低通濾波器的核，中心／圍繞函數(shù)的尺度參數(shù)直接影響到被處理后的顏色，越小，動態(tài)范圍壓縮能力越強，暗區(qū)域增強作用明顯，但平均對比范圍縮小，輸出產(chǎn)生顏色失真；反之，越大，顏色保真度越高。MSRCR實現(xiàn)動態(tài)壓縮范圍與彩色圖像再現(xiàn)之間的平衡。經(jīng)過Retinex算法處理后的圖片，對比度減弱，整體偏亮，顏色與原圖偏移很大，甚至導(dǎo)致完全丟失。彩色圖像的SSR，MSRCR實驗結(jié)果如圖34所示。圖34 Retinex增強3．2．3改進Retinex的彩色圖像增強算法綜合比對了直方圖均衡和Retinex理論的彩色圖像增強，提出一種基于改進Retinex理論的彩色圖像增強算法。先對彩色圖像進行色度和亮度的分離，得到亮度的灰度圖像，然后進行亮度增強，接下來對圖像進行高斯低通濾波，獲取圖像的鄰域信息，對鄰域信息進行自適應(yīng)增強，增強的結(jié)果和原亮度的灰度圖像相比，得到彩色圖像增強的增益矩陣，最后對彩色圖像進行三分量的同比增強。下面描述具體描述算法。彩色圖像如果兩個像素點、腳在RGB空間的值是成比例的，即 (3．17)那么這兩點具有相同的顏色，只是亮度不同，且亮度增益為。在RGB空間中，亮度和色度信息是融合在一起的，要實現(xiàn)三分量的同比增強，首先把圖像轉(zhuǎn)換顏色空間，并且要求亮度增強的同時能保持色度信息不變，因此把圖像從RGB空間轉(zhuǎn)換到HSV空間，分離出亮度信息。原彩色圖像灰度化為 (3．18)應(yīng)用Retinex理論對V分量增強，實驗中發(fā)現(xiàn)反正切函數(shù)比對數(shù)增強效果更好，而且反正切函數(shù)的輸出是歸一化的，輸出范圍是(0，1)。反正切函數(shù)方程可以表示成如下形式： (3．19)所以運用公式(3．20)對V分量進行增強，應(yīng)用公式(3．21)進行多尺度增強，() (3．21)其中表示彩色圖像的亮度分量多尺度增強結(jié)果，反正切函數(shù)實現(xiàn)輸出歸一化；表示第n個亮度分量增強的權(quán)值系數(shù)，通常取均勻權(quán)，=l/N,；表示第n個亮度分量增強的尺度參數(shù)，表示高斯核函數(shù)的形狀。如果取N=4，實驗表明取27100、150取得較好的效果。通過亮度增強后，雖然V分量中較暗部分區(qū)域的亮度得到有效的增強，但是局部信息有丟失。對圖像進行模糊化處理，獲得鄰域像素的信息，再進行自適應(yīng)調(diào)整。由于中心／圍繞函數(shù)相當(dāng)于一個低通濾波器的核，通過中心／圍繞函數(shù)與亮度增強圖像的卷積可以獲得圖像的鄰域信息。 (3．22)根據(jù)獲得的鄰域信息對圖像進行自適應(yīng)增強，獲得增益矩陣，其中低通濾波核的取值很重要，試驗中取0．5。具體步驟如下：(1)計算亮度灰度圖像的方差，D=var(V(x，y))；(2)計算卷積結(jié)果與亮度灰度圖像的比值，并進行冪運算：(3．23)，其中a的取值為，如果D大于100，a=1/2：如果D小于等于25，a=2；其它情況a=D。3)增益矩陣為 (3．24)最后根據(jù)增益矩陣對原彩色圖像進行三分量同比增強， (3．25)增強后，原來彩色圖像整體的亮度得到明顯的改善，保存了色度信息，同時抑制了較亮區(qū)域，突出陰影部分的區(qū)域和偏暗的背景部分，如果亮度調(diào)整后再進行均衡補償，圖像的增強效果更加明顯，色彩豐富視覺效果明顯加強，實驗效果如圖3．5所示：圖35 改進的Retinex增強光照不均是圖像處理常見問題，Retinex算法雖然能夠?qū)崿F(xiàn)偏色情況下的增強，但是圖像過亮，色度信息丟失嚴(yán)重。而本章提出一種結(jié)合偏色糾正和改進Retinex的彩色圖像增強算法，利用線性擬合糾正圖像偏色，多尺度Retincx對亮度分量增強，自適應(yīng)調(diào)整亮度，獲得亮度增益矩陣進行RGB三分量同比增強，能較好保持色度信息下增強彩色圖像，去除小塊的暗區(qū)域，克服高光現(xiàn)象，把圖像的亮度和色度調(diào)整到較理想狀態(tài)。第四章結(jié)合膚色和AdaBoost的人臉檢測方法人臉檢測目的是檢測圖像中是否存在人臉。本章對彩色圖像的人臉檢測問題進行研究，運用結(jié)合膚色的AdaBoost人臉檢測算法檢測人臉。利用膚色檢測，去除量背景，獲得膚色區(qū)域信息和人臉的大小范圍，根據(jù)膚色二值圖和膚色塊分析結(jié)果，對圖像進行掃描，產(chǎn)生子窗口圖像，并計算有效的子窗口圖像的積分圖特征，調(diào)用Adaboost算法檢測人臉。4．1人臉檢測方法和特征人臉作為一種自然形體，能跟別的形體很好區(qū)分開來，說明其本身具有非常強的共性，但是由于人臉個體的差異，人臉千變?nèi)f化，使得人臉具有復(fù)雜的模式變化。主要的人臉檢測方法有以下幾種：(1)基于人臉特征的方法。主要是尋找不依賴于外在條件和屬性的人臉特征。首先是輸入圖像，對圖像進行處理，根據(jù)結(jié)果提取某些特征與人臉