关于人脸识别图像预处理方法的研究与实现

沈慧钧

摘 要：针对人脸识别系统进行研究，提出了采用直方图均衡化、中值滤波、灰度拉伸、同态滤波预处理图像和基于统计学的人眼检测、特征提取的人脸识别方法。描述了各种预处理方法和在人脸识别中的具体应用，避免图像大小、光照不同等复杂因素对图像识别造成的影响，为下一步进行图像识别奠定基础。

关键词：人脸识别；图像预处理；同态滤波；光照

中图分类号：TP391.4 文献标识码：A 文章编号：2095-6835（2014）18-0119-02

目前，人脸识别技术的研究工作多是在假定图像中检测和定位的。人脸识别系统对人身份的确定起着重要的作用，身份确定不仅在机关单位的考勤和安全、海关边检、网络安全、军队安全、银行、智能门禁、计算机登录系统等方面起着至关重要的作用，还关系到国家的安全问题。先对人脸识别中的图像进行图像预处理，包括图像直方图均衡化、灰度拉伸、中值滤波、同态滤波等。经过预处理的图像，其细节更加明显，并且去掉了图像中一些不相关的信息。然后再进行人眼定位、特征提取、识别和匹配，提高人脸识别的可靠性。

1 预处理方法的研究

人脸图像的预处理是指在整个图像识别和分析的过程中，对所输入的人脸图像进行分割、特征抽取、匹配等。本文选取的预处理方法主要有：直方图均衡化、灰度拉伸、中值滤波、同态滤波等。对图像进行预处理能够去除图像中的不相关信息，准确定位人脸部分，使图像细节更明显，进一步提高人脸图像的特征提取、匹配和识别的可靠性。

1.1 直方图均衡化

直方图均衡化是针对已知灰度概率密度分布图像的直方图。通过变换函数，将其修正为分布比较均匀的直方图，所以，它又被称为直方图平坦化，以此改变图像整体偏亮或整体偏暗、灰度层次不丰富的情况。直方图均衡化的处理过程主要包括以下三个步骤：①计算出读入图像的统计直方图，即Pr（r）；②采用累积

分布函数对该直方图Pr（r）作变换，利用公式

求出直方图变换后对应的新灰度值；③用新的灰度值取代旧的灰度值。最后一步的计算过程是近似算法，计算结果不一定都是整数，但是，由于实际灰度值是用正整数表示的，所以，需要根据处理目的选择合理的近似值，将相等或近似的灰度值组合到一起。

1.2 灰度拉伸的意义

图像的灰度拉伸是运用简单的分段线性变换函数进行灰度变换的一种方法。该方法将原图像灰度值的动态范围转换到指定的范围内或整个论域范围内，提高了图像在处理过程中灰度级的动态变化范围。此方法适用于低对比度图像的预处理。灰度拉伸主要有两个基本操作步骤：①对给定的待处理图像做直方图统计，根据直方图的曲线分布情况确定图像灰度拉伸的2个拐点的位置；②对待处理图像进行灰度变换，利用步骤①中确定的拐点，由分段线性变换函数将读入图像中的每个像素的灰度值映射到处理后的像素灰度值中。

1.3 中值滤波

中值滤波是抑制图像噪声的主要方法之一，它简单、易实现。图像多是由像素较多、面积较大的小块构成，而以孤立点的形式出现的噪声点所对应的像素在图像上的数量较少。基于此特性，中值滤波是一种较好的图像预处理方法。利用此方法进行图像预处理的主要步骤是：①在待处理图像中漫游3×3或5×5模板，并使得模板的中心点与待处理的图像中某个像素位置重合；②当模板处于某一位置时，读入模板下各像素的灰度

值，按由小到大的顺序排列这些灰度值，并读取排在中间点的灰度值；③将对应模板中心位置的像素值赋予这个中间点位置的灰度值。

由此可见，中值滤波的主要作用是将那些与周围像素灰度值相差较大的像素用周围像素值的中间值取代，因此，该方法消除孤立噪声像素的能力是很强的。它并不是简单地选取模板中像素点的均值，而是选取排序后的中值，所以，产生的模糊较少，在消除孤立点噪声的同时，还尽可能地保留图像的细节。

1.4 同态滤波

在不同光照条件下，人脸图像可以使用同态滤波的预处理方法避免光照对其的影响，以此提高人脸识别的准确性。同态滤波处理方法将灰度变换和频率过滤两种方法有机结合起来，将图像的照明反射作为频域处理的基础，这样能够有效地增强对比度和压缩灰度的范围。在密度域中，运用这种方法改善图像效果是相当成功的。

待处理图像f（x，y）可以表示成其反射分量r（x，y）和照射分量i（x，y）的乘积，即：

f（x，y）=i（x，y）·r（x，y）. （1）

利用同态滤波的方法改变了原有图像的光强度和反射光强度的特性，这样不但可以降低图像的动态范围，还可以增加其对比度。同态滤波预处理人脸识别图像的具体操作过程如下：

先在式（1）的两边取对数，即

ln[f（x，y）]=ln[i（x，y）]+ln[r（x，y）]. （2）

在式（2）两边取傅立叶变换，得：

F（u，v）=I（u，v）+R（u，v）. （3）

用频域函数H（u，v）处理F（u，v），得：

H（u，v）F（u，v）=H（u，v）I（u，v）+H（u，v）R（u，v）. （4）

将傅立叶逆变换到空间域，得：

hf（x，y）=hi（x，y）+hr（x，y）. （5）

在式（5）两边取指数，得：

.（6）

2 人脸识别的过程

人脸检测和人脸识别是人脸识别技术中两个重要组成部分。根据人脸的先验导出规律和人脸器官分布特征进行人脸检测和识别。在人脸识别系统中，图像处理过程如图1所示，大致可以分为三大步骤，即人脸特征提取、基于图像预处理的人脸检测和人脸识别。

图1 人脸识别系统的处理流程图

在进行人脸识别的过程中，先要快速判断采集到的人脸图像或视频图像是否存在。基于统计学的人脸检测方法不是针对某一个人的脸，而是从人脸统一模型的角度出发，利用统计原理，从大量的人脸图像中数量化地统计、提取出人脸共有的各个器官的分布规律，运用检测模块和先验知识进行人脸检测。如果检测结果是人脸图像，则对人脸几何特征点进行定位。本文利用眼睛定位，选取定位的基准为两眼的中心，根据图像给出的信息，按两眼之间的距离，用几何归一化和灰度归一化进

行人脸图像的缩放处理，选择有效的人脸区域，最后对选取出的人脸区域图像进行特征提取归一化处理，并在分类器中进行识别，将此与人脸库中的人脸进行对比，从而鉴别出每个人脸的身份，最终得到识别成果，具体步骤如图2所示。

3 结论

人脸识别的复杂性决定了单独使用任何一种图像处理技术都不能获得良好的识别效果，鉴于人脸检测和识别的方法并不唯一，将各种不同的技术、方法有效结合起来是以后该领域研究的必然趋势。人脸识别预处理的关键是在人脸识别前，对读入的图像进行预处理，增大图像的灰度范围，去除噪声点、光照等不良因素的影响，利用检测模块去除图像中的不相关信息，增强图像的对比度，使图像的细节更加明显，有效改善人脸图像的定位与分割、几何特征提取、人脸识别和匹配的可靠性。如果不能有效预处理较难识别的图像，将会影响几何特征的提取，不能达到满意的人脸识别效果。本文具体阐述了人脸识别的图像预处理方法和人脸识别系统的具体步骤。目前，在人脸检测和识别方面还有很多困难需要克服，比如年龄、表情、化妆、胡须等外在因素的变化等。不同的采集设备会给人脸的检测和识别系统造成很大的影响。从心理学的角度看，人脸识别是人类视觉的一个独特过程，同卵双胞胎无法识别等这些情况都可能会阻碍识别技术的发展，还有很多问题有待进一步解决。

参考文献

[1]周激流，张晔.人脸识别理论研究进展[J].计算机辅助设计与图形学学报，1999，11（2）：180-182.

[2]陈坚，于林森，等.人脸识别的神经网络群方法[J].东南大学学报，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人脸检测研究综述[J].中国图象图形学报，2002，25（5）：449-456.

[4]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000，5（11）：885-894.

[5]周杰，卢春雨，张长水，等.人脸自动识别方法综述[J].电子学，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔编辑：白洁〕

行人脸图像的缩放处理，选择有效的人脸区域，最后对选取出的人脸区域图像进行特征提取归一化处理，并在分类器中进行识别，将此与人脸库中的人脸进行对比，从而鉴别出每个人脸的身份，最终得到识别成果，具体步骤如图2所示。

3 结论

人脸识别的复杂性决定了单独使用任何一种图像处理技术都不能获得良好的识别效果，鉴于人脸检测和识别的方法并不唯一，将各种不同的技术、方法有效结合起来是以后该领域研究的必然趋势。人脸识别预处理的关键是在人脸识别前，对读入的图像进行预处理，增大图像的灰度范围，去除噪声点、光照等不良因素的影响，利用检测模块去除图像中的不相关信息，增强图像的对比度，使图像的细节更加明显，有效改善人脸图像的定位与分割、几何特征提取、人脸识别和匹配的可靠性。如果不能有效预处理较难识别的图像，将会影响几何特征的提取，不能达到满意的人脸识别效果。本文具体阐述了人脸识别的图像预处理方法和人脸识别系统的具体步骤。目前，在人脸检测和识别方面还有很多困难需要克服，比如年龄、表情、化妆、胡须等外在因素的变化等。不同的采集设备会给人脸的检测和识别系统造成很大的影响。从心理学的角度看，人脸识别是人类视觉的一个独特过程，同卵双胞胎无法识别等这些情况都可能会阻碍识别技术的发展，还有很多问题有待进一步解决。

参考文献

[1]周激流，张晔.人脸识别理论研究进展[J].计算机辅助设计与图形学学报，1999，11（2）：180-182.

[2]陈坚，于林森，等.人脸识别的神经网络群方法[J].东南大学学报，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人脸检测研究综述[J].中国图象图形学报，2002，25（5）：449-456.

[4]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000，5（11）：885-894.

[5]周杰，卢春雨，张长水，等.人脸自动识别方法综述[J].电子学，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔编辑：白洁〕

行人脸图像的缩放处理，选择有效的人脸区域，最后对选取出的人脸区域图像进行特征提取归一化处理，并在分类器中进行识别，将此与人脸库中的人脸进行对比，从而鉴别出每个人脸的身份，最终得到识别成果，具体步骤如图2所示。

3 结论

人脸识别的复杂性决定了单独使用任何一种图像处理技术都不能获得良好的识别效果，鉴于人脸检测和识别的方法并不唯一，将各种不同的技术、方法有效结合起来是以后该领域研究的必然趋势。人脸识别预处理的关键是在人脸识别前，对读入的图像进行预处理，增大图像的灰度范围，去除噪声点、光照等不良因素的影响，利用检测模块去除图像中的不相关信息，增强图像的对比度，使图像的细节更加明显，有效改善人脸图像的定位与分割、几何特征提取、人脸识别和匹配的可靠性。如果不能有效预处理较难识别的图像，将会影响几何特征的提取，不能达到满意的人脸识别效果。本文具体阐述了人脸识别的图像预处理方法和人脸识别系统的具体步骤。目前，在人脸检测和识别方面还有很多困难需要克服，比如年龄、表情、化妆、胡须等外在因素的变化等。不同的采集设备会给人脸的检测和识别系统造成很大的影响。从心理学的角度看，人脸识别是人类视觉的一个独特过程，同卵双胞胎无法识别等这些情况都可能会阻碍识别技术的发展，还有很多问题有待进一步解决。

参考文献

[1]周激流，张晔.人脸识别理论研究进展[J].计算机辅助设计与图形学学报，1999，11（2）：180-182.

[2]陈坚，于林森，等.人脸识别的神经网络群方法[J].东南大学学报，1998，28（2A）：207-210.

[3]梁路宏，艾海舟，徐光佑，等.人脸检测研究综述[J].中国图象图形学报，2002，25（5）：449-456.

[4]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000，5（11）：885-894.

[5]周杰，卢春雨，张长水，等.人脸自动识别方法综述[J].电子学，2000，28（4）：102-106.

[6]Roland W Fleming，Ron O Dror，Edward H Adelson.Rea-lworld illumination and the perception of surface reflective properties[J].Journal of Vision，2003，3（5）：347-368.

[7]BelhumeurP，Kriegman D.What is the set of images of an object under all possible illumination conditions[J].International our na of Computer Vision，1998，28（3）：245-260.

〔编辑：白洁〕