文献检索作业

仲恺农业工程学院文献检索作业（人脸、人眼识别技术的预处理）姓名院（系）机电工程学院专业班级机械电子工程092学号仲恺农业工程学院教务处制摘要：人脸检测与识别是目前生物特征识别中最受人们关注的一个分支，是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题。

在回顾人脸检测与识别技术发展历程的基础上对人脸检测与识别的预处理作了介绍与评论。

关键词：人脸识别，计算机视觉，图像预处理中图法分类号：TP301人脸、人眼识别技术的预处理机电092前言：在多媒体信息时代，对数字图像的研究工作显得尤为重要。

人脸是图像中最重要的对象之一，人脸检测技术是计算机视觉与模式识别领域的重要课题。

人脸检测与识别是指基于已知的人脸样本库，利用图像处理和模式识别等技术从静态或动态场景中，识别或验证一个或多个人脸。

目前人脸识别技术发展较快，特别是基于正面静态人脸检测与识别、人脸特征的提取、基于多姿态的人脸识别等方面已取得了大量的研究成果。

但是，在较复杂的环境下，诸如对人脸表情的识别、光照补偿与光照模型的建立、年龄变化的处理、多种检测数据的融合等方面还缺乏着实有效的方法。

人脸识别的基本环节如图图像预处理目前，各种经过图像采集卡得到的数字图像，不能够直接用于图像识别和检测，因为图像可能受到各种噪声源的干扰，光照变化也是影响系统性能的重要因素，尤其是在室外复杂光照条件下影响更大。

另外光照变化本质上是一个无限维的，光照变化对图像的影响，除了光源本身的因素外，还跟物体表面几何特征、反射率等诸多因素有关，其影响往往是非常复杂的。

为提高图像质量，便于后续的图像分析以及图像处理，必须对图像进行预处理。

1.图像平滑处理因为有时图像中的噪声并不限于人眼所能看得见的变形和失真，有些噪声只有在进行图像处理时才会被发现，因此图像平滑就成为图像预处理技术中的主要内容。

目前，图像平滑技术主要有频域法和空域法两大类。

对于频域法，由于一幅大部分像素的灰度与临近像素的灰度差别不大，存在较大的灰度相关性，导致了图像的能量主要集中于低频区域，只有图像细节部分的能量处于高频区域中，图像假轮廓和噪声经常出现在高频区域中，这样就找到了去除噪声的有效途径，但是在频域法中需要设计各种频率滤波器进行低通滤波处理。

对于空域法，图像平滑的常用方法是均值滤波或中值滤波[6]。

中值滤波是一种非线性的处理方法，它在一定条件下，可以克服线性滤波器如平均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，同时能较好的保持图像边缘。

中值滤波法的基本思想是用像素邻域灰度值的中值来代替该像素点的灰度值。

具体做法是：1) 将所用的窗口内所有像素按灰度值排列大小。

2) 取中间的灰度值作为滤波后的灰度值。

通常他所用的窗口形状是方形或十字型、圆形、菱形等。

中值滤波窗口越大，抑制噪声效果越好，但有效信号损失也越大，因此需选择最佳窗口大小以兼顾二者。

设表示原图像的矩阵为A，经过3*1 窗口的中值滤波得到图像为B，2.彩色图像灰度化在现实生活中大部分图像是彩色图像，与灰度图像相比，彩色图像虽然可以提供更丰富的信息，如颜色信息等，但处理的速度却比灰度图像要慢得多。

彩色图像同时包含亮度信息和色度信息，而灰度像只包含亮度信息。

由于算法实现难易和检测速度等方面的要求，计算机对图像处理时往往需要将彩色图像转化为灰度图像。

灰度化是指把含有色彩和亮度的真彩色图像转换成灰度图像的过程，灰度化可以保证后续图像的处理。

与普通彩色图像灰度化的方法不同，图像由彩色转为灰度的过程中，需要保证由彩色图像转化的亮度信息与用非彩色摄像头拍摄的基本一致，同时需要保持边缘的结构特征以便后续的对人脸窗口的边缘检测，边缘周围的灰度信息要保持其原有特征，不会因为灰度化受到破坏。

但是，灰度图像的亮度信息依赖于物体表面的反射函数和光源的入射函数，其值会受光源、材质、物体本身结构等多种因素的影响，所以单一固定的彩色图像灰度化模型并不能满足彩色图像灰度化的要求，必须采用多种方法，并根据实际应用及边缘类型，选择相应的灰度化算法。

彩色图像灰度化，意味着从彩色图像中提取亮度信息。

常用的彩色空间如RGB，Hsv，Ylu，YIQ等，图像是从摄像头捕获的，一般为RGB彩色空间[7]，因此，以下只讨论RGB彩色空间到灰度图的转化。

彩色图像灰度化算法原理基本上是一样的，即根据人眼对光谱波长的适应能力而制定算法。

由三基色构成的颜色，每种基色对亮度的贡献不同，从三基色分量计算颜色亮度的常用公式有:(1)Y=[14.59070.06011·[RoB]T，此式为CIE推荐的三基色相对亮度方程。

(2)Y=[0.2220.7070.071]·LRGB]T，此式为从L电视制式的亮度方程。

(3)Y=[l/31/31/3]·[RGB]T，将各通道颜色分量各取1/3并求和，形成较为柔和的灰度图像，得到的结果亮度稍低且对比度也偏低。

(4)Y=max(R，G，B)会形成亮度很高的灰度图像。

(5)直接用彩色图像的某一种色彩成分来表示。

(6)Y=[0.2990.5870.114]·[RGB]T，采用加权平均来得到亮度，此式为NTS电视制式的亮度方程。

经过理论推导和实验证明，式(6)得到的图像比较柔和和理想，是最合理的灰度图像。

因此本文中均采用加权平均值法来实现彩色图像的灰度化，如图3.2中图(b)，图3.2中的(c)为其灰度直方图。

3.图像二值化处理[10]由于图像中的信息并非全部为有效信息，因此准确的提取出图像的有效信息成为图像处理的关键。

若图像中有效信息的灰度值比图像中其余部分(称之为背景或本底)的灰度值高，则可通过闭值处理来把灰度大于一定值的像素标识出来构成有效信息区，而其余部分则视为背景。

其闭值处理的过程是先由用户指定或通过算法生成一个闭值，如果图像中某像素的灰度值小于该闭值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或O。

闭值化的变换函数表达式为其中T为指定的闭值。

闭值T像一个门槛，比T大为白，比T小为黑，则经过闭值处理后的图像变成了一幅黑白二值图。

二值化图像:人脸是一种特殊的模式，且人的双眼与嘴巴、鼻子、眉毛按一定的结构分布在灰度基本均匀的人脸平面上，人脸的这种特殊模式与图像背景模式相差较大，从而为定位人的双眼提供了依据。

最佳分割闭值就是将眼睛部分与眉毛及其它人脸部位、背景物明显分离的灰度分割闭值。

由于眼睛部位的灰度值明显比其邻近区域如眼白和眼部周围皮肤灰度值要低，因此能从适当光照条件下拍照的图像中分割出眼睛部位的灰度闭值是一定存在，并且存在于一定的小范围内。

绝大多数情况下最佳分割闭值位于归一化灰度值0.1与0.6之间。

图3.6中的(b)为二值化后图像的窗口区域。

4.腐蚀膨胀处理[11]设f(x,y)是输入图像，b(x,y)是结构元素，它可被看做是一个子图像。

函数b对函数f进行灰度膨胀可定义f⊕b，运算公式如下：式中，D f和D b分别为函数f和b的定义域；b为形态处理的结构元素。

不过此处b是一个函数而不是一个集合，位移参数(s-x)和(t-y)必须包含在函数f的定义域内。

在这里两个集合必须至少有一个元素相交叠。

公式非常类似于二维卷积公式，这里用最大代替卷积求和并以相加代替相乘。

在卷积中，f(-x)仅是f(x)关于x轴原点的映射，正像卷积运算那样，相对于正的s，函数f(s-x)将向右移，对于-s，函数f(s-x)将向左移。

其条件是(s-x)必须在f的定义域内，x的值必须在b的定义域内。

这意味着f和b将相互覆盖。

最后，与二值图像的情况不同，不是结构元素b而是f平移。

公式可以使b代替f写成平移的形式。

然而，如果D b比D f小，公式所给出的形式就可以在索引项中加以简化，并可以后的同样的结果。

膨胀是可以代换的，因而f和b相互代换的方法运用于公式可以用来计算，f⊕b结构都是一样的，而且b是平移函数，相反，腐蚀是不可交换的，因而这种函数也是不可互换的。

灰度图像的腐蚀定义为fΘb，其运算公式为：式中，Df和Db分别为f和b的定义域。

平移参数(s+x)和(t+y)必须包含在f的定义域内。

如果只有一个变量时，我们利用一维的腐蚀来说明公式的原理。

此时，表达式可简化为：在相关情况下，当s为正时，函数f(s+x)将向右平移，当s为负时，函数f(s+x)将向左平移，同时，要求(s+x)∈Df，x∈Db意味着b将包含在f的范围内。

不同于二值图像腐蚀定义，操作中是f在平移，而不是结构元素b 在平移。

公式可以把b写成平移函数，由于f在b上滑动同b在f上滑动在概念上是一致的。

腐蚀是在结构元素定义的领域内选择(f-b)的最小值，因而，通常对灰度图像的膨胀处理里可以得到两种结果：如果所有的结构元素都为正，则输出图像将趋向比输入图像暗；在比结构元素还小的区域中的明亮细节经腐蚀处理后其效果将减弱。

减弱的程度取决于环绕亮度区域的灰度值以及结构元素自身的形状和幅值。

腐蚀膨胀处理效果图如图所示。

总结：为了分析采用图像处理方法来检测人脸、人眼的问题，本章首先阐述了图像处理技术的特点和图像预处理的主要内容，说明通过图像处理的方法可以满足实时性、非接触性的要求;然后分别介绍灰度变换、平滑处理、边缘检测、二值化处理等图像预处理技术。

参考文献：[1]戴芬.基于嵌入式隐Markov模型的人脸识别技术研究与实现[D]国防科学技术大学研究生院2007年11月[2]韩越.基于人脸识别的驾驶员疲劳驾驶检测技术的研究[D]吉林大学2007年4月25日[3]李贞.基于计算机视觉的驾驶员安全驾驶状态监控系统研究[D]西北工业大学硕士学位论文2007年3月[4]汤彦萌,吴乐南.复杂背景下彩色人脸的快速预处理算法[J].现代电子技术,2007,31(24):115-117.[5]黄瀚敏，黄席抛.驾驶员预警系统人脸图像识别的预处理[J]计算机仿真.2006.6[6]张杰,杨晓飞,赵瑞莲.基于积分投影和Hough变换圆检测的人眼精确定位方法研究[J]电子器件第28卷第4期2005年12月[平滑[7]葛如海，陈彦博，刘志强.基于计算机视觉的驾驶疲劳识别方法的研究[J]中国安全科学学报第16卷第9期2006年9月.[8]董梁,王忠民.图像边缘检测算法研究.[J].现代电子技术,2007,30(15):179-180.[9]邓华秋,黄巧洁.结合人脸特征和改进的积分投影的眼睛定位方法[J] 电子工程师第 33卷第 6期2007年 6月[10]冯建强,刘文波,于盛林. 基于灰度积分投影的人眼定位[J] 计算机仿真第22卷第4期2005年4月[11]唐建雄.基于计算机视觉的人脸检测人工智能[J] 微计算机信息（嵌入式与SOC）2006 年第 22卷第5-2 期10。