【正文】 tically introduced． An color image enhancement algorithm bined color offset corrected and the improved Retinex was proposed on the analysis of color offset for color mathematical model for t11e color offset corrected was estabished by gray world and the perfect reflection theory，and the color offset of original color image was corrected by linear fitting．The brightness was separated from color image．Brightness ponent Wasenhanced by multiscale Retinex enhancement algorithm and adapted itself。國內(nèi)外各大學(xué)、著名研究所、大公司等都投入大量人力物力進行人臉識別技術(shù)的研究。計算機人臉識別涉及模式識別、圖像處理、計算機視覺、生理學(xué)、心理學(xué)、認知科學(xué)等多個交叉學(xué)科。促進學(xué)科的深入研究和發(fā)展。人臉識別技術(shù)是生物特征識別技術(shù)的一個重要分支。人臉識別是生物特征鑒別技術(shù)的一個主要方向，與傳統(tǒng)的身份驗證技術(shù)相比，它利用人自身具有的特點，具有主動性、非侵犯性和用戶友好等許多優(yōu)點，可靠性高，安全性好，實用性強，多年來一直受到許多研究者的關(guān)注。人臉識別技術(shù)在國家安全、司法領(lǐng)域、金融安全、公共安全、身份驗證和人機交互等方面都具有相當(dāng)大的應(yīng)用前景： (1)在銀行金融系統(tǒng)中的應(yīng)用。 (2)在司法系統(tǒng)中的應(yīng)用。(3)公共安全。(4)視頻監(jiān)視：在許多公司、銀行都設(shè)有24小時的視頻監(jiān)視。(6)信息安全：利用人臉識別技術(shù)實現(xiàn)計算機登錄、權(quán)限控制和電子交易中的身份認證，等等。人臉識別的研究已有很長的歷史，可以追溯到上個世紀(jì)60年代團。從上世紀(jì)80開始，小波變換理論和神經(jīng)網(wǎng)絡(luò)理論的研究取得突破性進展，人們開始利用圖像的灰度信息或變換域特征進行人臉識別。20世紀(jì)90年代以來，隨著高速度性能計算機的出現(xiàn)，人臉識別方法有了重大突破，進入真正的機器自動識別階段，人臉識別研究也得到了前所未有的重視。人臉僅僅占據(jù)高維空間的一個子空間，以此為依據(jù)，Turk和Pentland首先提出了基于主元分析的特征臉方法，這就是著名的MIT媒體實驗室在上個世紀(jì)90年代提出的PCA方法(也稱“特征臉”方法)，它是人臉識別算法發(fā)展史上一個重要的里程碑。特征臉法提取的是人臉的灰度信息，這種信息不一定與人臉中的特征點相關(guān)，這是該方法與以往方法的本質(zhì)區(qū)別。以特征臉方法為基礎(chǔ)，延伸出眾多的方法，如LDA(Linear Discriminate Analysis)，ICA(Independent Component Analysis)，LFA(Local Feature Analysis)等，使特征提取和維數(shù)壓縮的手段更加豐富。具有代表性的技術(shù)有：PCA方法；LDA方法M；彈性圖匹配技術(shù)n1；支持向量機方法嗍，以支持向量機為代表的統(tǒng)計學(xué)習(xí)理論最近幾年在模式識別領(lǐng)域取得巨大成功，它通過最小化結(jié)構(gòu)來求取最優(yōu)分類平面，具有良好的泛化能力和分類能力。國內(nèi)關(guān)于人臉識別的研究始于二十世紀(jì)80年代，90年代中后期以來，在NSFC、863計劃等資助下，國內(nèi)眾多研究構(gòu)的研究員開始對人臉識別進行研究，主要的研究單位有：清華大學(xué)計算機系、自動化系、電子系，哈爾濱工業(yè)大學(xué)計算機系，中科院計算所，中科院自動化所，復(fù)旦大學(xué)，北京科技大學(xué)，中山大學(xué)應(yīng)用數(shù)學(xué)系等，一定的成果。中科院計算所人臉識別研究小組與上海銀晨智能識別科技有限公司全面合作，專門研究和開發(fā)商業(yè)人臉識別系統(tǒng)。另外，以成熟的“特征臉”技術(shù)為基礎(chǔ)，嘗試了基于人工神經(jīng)網(wǎng)絡(luò)，支持矢量機、線性判別分析、基于G瑚(Gaussian Mixture Models)的雙子空間人臉識別方法等，研究了基于Gabord,波變換和彈性圖匹配的人臉識別技術(shù)，以及基于統(tǒng)計模式的人臉識別方法等。他們提出的多特征描述的人臉識別理論、基于最佳二維人臉的活動人臉檢測與識別理論、bNPPCA人臉識別方法以及大型人臉識別系統(tǒng)的設(shè)計方法，都具有獨特的創(chuàng)新。光照問題是機器視覺的老問題，盡管研究人員提出了一些解決方案，但是在實際應(yīng)用中效果遠沒有達到理想程度。實際應(yīng)用中，人臉數(shù)據(jù)庫規(guī)模是很大的，如何提高大規(guī)模應(yīng)用環(huán)境下人臉識別算法的識別率是一個很重要的問題?；诮y(tǒng)計學(xué)習(xí)的人臉識別算法是目前人臉識別領(lǐng)域的主流算法，但是需要大量的訓(xùn)練。(4)海量數(shù)據(jù)的學(xué)習(xí)問題。但是對于海量數(shù)據(jù)的訓(xùn)練過程確難以進行。1．4研究的目的及內(nèi)容1．4．1研究的目的人臉識別技術(shù)具有廣泛的應(yīng)用價值。但在實際應(yīng)用中，環(huán)境較為復(fù)雜，很多識別方法的效率會降低。預(yù)處理模塊，對常用的預(yù)處理進行實現(xiàn)對比，研究出適合于人臉檢測的預(yù)處理方法。人臉特征定位模塊，研究一種定位準(zhǔn)確率高的方法，不需任何人工干預(yù)。識別分類器模塊，研究一種有效的降維方法，使得特征描述和分類性能盡量達到最優(yōu)。 (1)在預(yù)處理方面，研究對比了多種彩色圖像的增強理算法，并在此基礎(chǔ)上提出了新方法。(2)在人臉檢測方面，采用結(jié)合膚色檢測的Adaboost檢測方法。(4)在特征提取方面，提出了多尺度的局部二進制模式特征提取方法。識別結(jié)果證明所提取特征的有效性。最后采用最小近鄰法識別人臉。第二章人臉識別系統(tǒng)設(shè)計人臉識別系統(tǒng)可分為五部分，圖像預(yù)處理、人臉檢測和人臉特征定位這三個模塊主要對圖像進行處理?；谧詣幼R別人臉?biāo)枷朐O(shè)計一個人臉識別系統(tǒng)。2．1人臉識別處理流程介紹人臉識別流程主要有五個部分組成。其目的是對輸入的待識別圖片進行偏色糾正和圖像增強，減少光源和光照的影響，為人臉檢測做好準(zhǔn)備。其目的是判斷圖像中是否有人臉，如果有人臉存在，那么通過檢測確定人臉在圖像中的大概位置，為下一步的人臉特征定位做好準(zhǔn)備。其目的是檢測出人臉的關(guān)鍵特征位置，定位人臉，為下一步的圖像歸一化和特征提取做好準(zhǔn)備。其目的是通過歸一化，較少角度，尺寸，光照的影響，然后提取相當(dāng)于標(biāo)準(zhǔn)入臉圖像的人臉特征，減少數(shù)據(jù)量，達到初步降維的目的。其目的是對人臉特征數(shù)據(jù)再次降維，再進行人臉分類和識別。圖21 人臉識別流程圖2．2人臉識別系統(tǒng)模塊人臉識別系統(tǒng)包括多個功能模塊，對人臉識別系統(tǒng)各個模塊運用的算法進行研究并仿真實現(xiàn)。1．圖像預(yù)處理模塊在人臉檢測和關(guān)鍵特征定位前，需要對待識別圖像進行光源偏色預(yù)處理，色彩亮度增強的處理。首先判斷彩色圖像是否存在偏色?；诟倪M的Retinex理論的圖像增強，首先對彩色圖像進行進行色彩與亮度的分離，對亮度部分的灰度圖像，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逐點增益運算，實現(xiàn)各點同比增強。膚色檢測具有簡單和迅速的特點，但是對類膚色無能為力。因此，采用結(jié)合膚色檢測的Adaboost算法檢測人臉。級聯(lián)算法主要是通過提取窗口圖像的積分圖特征，然后對每一個特征訓(xùn)練一個弱分類器，若干個分類錯誤最小的弱分類器組成單個的強分類器，強分類器再組成級聯(lián)分類檢測器，檢測某個窗口是否有人臉。光照是影響灰度圖像亮度的重要因素，定位灰度圖像必須消除光照的影響。對彩色圖像，提取三分量差分特征，二值化后，依據(jù)各種規(guī)則去除大量不相關(guān)的區(qū)域，經(jīng)過匹配定位眼睛。4．圖像歸一化及特征提取模塊人臉圖像的歸一化是特征提取的前提。基于人臉定位的結(jié)果，采用旋轉(zhuǎn)和插值放縮的方法對圖像進行角度和尺寸的校準(zhǔn)，最后采用Tan提出的光照歸一化方法，經(jīng)過伽馬變換、高斯差分濾波和對比度規(guī)定化處理對圖像進行光照歸一化。人臉圖像的特征包括很多種，包括幾何特征，頻域特征，代數(shù)特征，紋理特征等。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。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。流行學(xué)習(xí)方法是描述非線性子流行的有效方法。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。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。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。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。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。直方圖統(tǒng)計往往可以給出此圖像的整體顏色表現(xiàn)?；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。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。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。(2)完美反射顏色校正。若物體為白色，則表示所有的光都被反射。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。以完美反射體為基準(zhǔn)，對其他顏色進行校正。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。1)其中，a和b為通道的校正系數(shù)。2)根據(jù)完美反射理論，必須滿足以下條件： (3同理對B通道進行校正系數(shù)計算和校正。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)。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。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。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。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。(2)對灰度圖像進行直方圖統(tǒng)計。(3)假設(shè)臨界系數(shù)為T=，滿足以下條件 (3．6)得到k值。 (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。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。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到的動態(tài)范圍，被認為是圖像L的低頻分量。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。表示第n個SSR的尺度參數(shù)。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。MSRCR實現(xiàn)動態(tài)壓縮范圍與彩色圖像再現(xiàn)之間的平衡。彩色圖像的SSR，MSRCR實驗結(jié)果如圖34所示。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。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。原彩色圖像灰度