（电路与系统专业论文）基于肤色和adaboost算法的人脸检测方法研究.pdf

硕士学位论炙 m a s t e r st i t e s i s 摘要 人脸检测是指使用计算机在动态的场景或复杂的背景中检测出人脸的存在，并 确定所有人脸位置与大小的过程。人脸检测技术不仪是人脸识别、表情识别、人脸 跟踪等技术的重要自订提条件，同时在模式识别、人机交互、智能监控、视频检索等 领域引起了广泛的重视。 本文针对复杂背景下的多姿态彩色图像的人脸检测问题作出了一些探讨，主要 研究工作体现在以下三个方面： ( 1 ) 研究了基于肤色分割的人脸检测技术。首先利用肤色的聚类特性，采用 高斯肤色模型对图像中的皮肤区域和非皮肤区域进行分割，再通过分析人脸区域的 特征，初步确定候选人脸，为后续工作对入脸的细检打基础。实验表明，该方法能 够快速实现复杂背景下彩色图像的人脸检测，并且对于光照、表情、姿势等变化具 有较强的鲁棒性。 ( 2 ) 提出了一种基于a d a b o o s t 人脸检测算法的改进算法。a d a b o o s t 是一种构 建准确分类器的算法，它将一族弱学习算法按照一定规则结合提了1 为一个强学习算 法，通过样本的训练得到识别准确率理想的分类器。针对a d a b o o s t 算法在训练过程 中的过配现象和检测过程中的耗时问题，本文作出了改进，提高了分类器的性能。 ( 3 ) 将基于肤色分割和基于改进a d a b o o s t 算法的人脸检测结合起来，提出一 种新的人脸检测方法。该方法具有肤色检测正确率高，稳定性好的优点，同时也具 有a d a b o o s t 算法误检率低的特点，在不影响速度的前提下提高了检测的正确率，实 现了更准确的人脸检测。 在实验中从不同大小、背景、光照和表情等方面对多姿态的人脸图像进行了检 测，并与其他方法进行了比较，实验表明：该方法可以有效地运用于多姿态、多人 脸和复杂背景的情况，是一种有效且实用的人脸检测方法。 关键词：人脸检测；肤色分割；a d a b o o s t 算法；权值更新；级联分类器 硕士学位论文 m a s t e r st h e s i s a b s t r a c t h u m a nf a c ed e t e c t i o nm e a n st h a tf o rag i v e ni m a g eo rv i d e o ，t od e t e r m i n ew h e t h e r i tc o n t a i n sf a c er e g i o n s ，i fs o ，d e t e r m i n e st h en u m b e r , t h ee x a c tl o c a t i o na n dt h es i z eo f a l lt h ef a c e s h u m a nf a c ed e t e c t i o ni sn o t o n l y an e c e s s a r yp r e c o n d i t i o no ff a c e r e c o g n i t i o n ，e x p r e s s i o nr e c o g n i t i o nt e c h n o l o g y , f a c et r a c k i n g ，b u ta l s o ，i tp l a y sa i l i m p o r t a n tr o l ei na p p l i c a t i o n sl i k ei nt h ei n t e l l i g e n th u m a n - c o m p u t e ri n t e r a c t i o n ，v i d e o c o n f e r e n c i n g ，i n t e l l i g e n ts u r v e i l l a n c e ，v i d e or e t r i e v a la n ds oo n t h e r e f o r e ，f a c ed e t e c t i o n t e c h n o l o g y a t t r a c t e dw i d e s p r e a da t t e n t i o ni n p a t t e r nr e c o g n i t i o n ，c o m p u t e rv i s i o n ， h u m a n - c o m p u t e ri n t e r a c t i o na n do t h e rf i e l d s t h i sp a p e rd i s c u s s e sa ni m p r o v e dt e c h n i q u ef o rd e t e c t i n gf a c e si nm u l t i - p o s ec o l o r i m a g e sw i t hc o m p l e xb a c k g r o u n d ，t h em a i nr e s e a r c hw o r ke m b o d i e di nt h ef o l l o w i n g t h r e ea s p e c t s ： ( 1 ) t h er e s e a r c ho nt h ec o l o r - b a s e df a c ed e t e c t i o nt e c h n o l o g yi sp r e s e n t f i r s t g a u s s i a nm o d e l i nt h ey c b c rc h r o m i n a n c es p a c ei sb u i l tt os e g m e n tt h en o n s k i n c o l o r p i x e l sf r o mt h ei m a g e t h e n ，t h ec h a r a c t e r i s t i c so ft h ep o s s i b l ef a c eb l o c k sa r es t u d i e d ，s o w ec a ne x t r a c tc a n d i d a t eh u m a nf a c er e g i o n s t h i sp r o c e s sl a y sas o l i df o u n d a t i o nt h e f o l l o w i n gd e t e c t i o ns t e p t h ee x p e r i m e n t ss h o wt h a tt h i ss y s t e mo b t a i n sg o o dd e t e c t i o n p e r f o r m a n c ei nc o m p l e xb a c k g r o u n d , w i t hh i g hr o b u s t n e s sf o ri l l u m i n a t i o n ，e x p r e s s i o n a n do t h e rc h a n g e s ( ”an e w a l g o r i t h mb a s e do ni m p r o v e da d a b o o s tf o rf a c ed e t e c t i o ni sp r o p o s e d a d a b o o s ti sal e a r n i n ga l g o r i t h mf o rc o n s t r u c t i n ga c c u r a t ec l a s s i f i e r s i tc a no b t a i na s t r o n gl e a r n i n ga l g o r i t h mb yc o m b i n i n gas e r i e so fw e a kl e a r n i n ga l g o r i t h m s ，t h ei d e a l c l a s s i f i e rw h i c hh a sh i 曲r e c o g n i t i o na c c u r a c yi so b t a i n e db yt r a i n i n gs a m p l e s t h i s p a p e ra n a l y s e st h ei s s u e so fo v e r f i t t i n gi nt r a i n i n gp r o c e s sa n dt i m e c o n s u m i n gp r o b l e m i n d e t e c t i o n p r o c e s s ，t h e ni m p r o v e s t h e w e i g h u p d a t e r u l e so na c e r t a i n d e g r e e e x p e r i m e n t a lr e s u l t ss h o wt h a tt h em o d i f i e dw e i g h - u p d a t er u l e sc a ne f f e c t i v e l y a v o i do v e r f i t t i n ga n d i m p r o v et h ep e r f o r m a n c eo fc l a s s i f i e r ( 3 ) an o v e lf a c ed e t e c t i o nm e t h o dc o m b i n e ds k i nc o l o rd e t e c t i o na n da d a b o o s t a l g o r i t h mi sp r o p o s e di nt h i sp a p e r n en e ws c h e m ei sa b l et od e t e c tf a c e sw i t hh i g l l d e t e c t i o nr a t ea n dl o wf a l s ea c c e p t a n c er a t e ，i tc a l lp e f f o r m a nb e t t e rt h a ns k i nc o l o r d e t e c t i o na n da d a b o o s ta l g o r i t h m ，i nt h i sw a yt h er a t eo ff a l s e p o s i t i v ei sr e d u c e da n dt h e p r o c e s s i n gs p e e di sg r e a t l yi n c r e a s e d ，i m p r o v i n gt h eo v e r a l lp e r f o r m a n c eo ft h ed e t e c t i o n m o d u l e m c o m p l e t es y s t e mi st e s t e do nav a r i e t yo fc o l o ri m a g e s 涮t l ld i f f e r e n ts c a l e s ， 硕士学位论文 m a s t e r st t t e s i s v a r i o u sp o s e s ，d i f f e r e n te x p r e s s i o n s ，l i g h t i n gc o n d i t i o n sa n do r i e n t a t i o n ，i ti sa l s o c o m p a r e dw i t hs o m ec o n v e n t i o n a lt e c h n i q u e s e x p e r i m e n t a lr e s u l t ss h o wt h ep r o p o s e d s y s t e mc a ne f f e c t i v e l yu s e di nm u l t i - p o s ea n dm u l t i - - f a c ec o l o ri m a g e sw i t hc o m p l e x b a c k g r o u n d i to b t a i n sc o m p e t i t i v er e s u l t sa n dg o o dd e t e c t i o np e r f o r m a n c e ，w h i c h i l l u s t r a t et h ee f f e c t i v e n e s sa n d a v a i l a b i l i t yo ft h ea l g o r i t h m k e y w o r d s ：f a c ed e t e c t i o n ；s k i n - c o l o rs e g m e n t a t i o n ；a d a b o o s ta l g o r i t h m ；w e i g h tu p d a t e ； c a s c a d e dd e t e c t o r i l l 华中师范大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作 所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中以明确方式标明。本声明的法律结果由本人承担。 作者签名：辽喾软 日期：如岁年疗月，习日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权华中师范大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同意华中 师范大学可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 、 作者签名：曼学袋 日期：d 7 年螃月；7 日 导师签名： 。日期：研年哕月；，日 本人已经认真阅读“c a l l s 高校学位论文全文数据库发布章程”，同意将本人的 学位论文提交“c a l l s 高校学位论文全文数据库”中全文发布，并可按“章程”中的 规定享受相关权益。圃童诠塞握童卮溢卮! 旦圭生；旦二生i 坦兰生发生! 作者签名：芟掣扶 日期：埘年心月；f 日 导师签名： 嘲：呷 ；j 日 硕士学位论文 m a s t e r st h e s i s 第1 章引言 1 1 人脸检测的研究背景和意义 人脸检测是指使用计算机在动态的场景或复杂的背景中检测出人脸的存在， 并确定所有人脸位置与大小的过程。随着计算机及网络技术的高速发展，将身份数 字化、准确鉴定身份、保存信息安全等显得至关重要，利用人脸等人的内在属性进 行生物识别的技术以其稳定性和和可靠性引起了广泛的关注。人脸检测技术不仪是 人脸识别、表情识别、数字视频处理、视频检测等技术的重要前提条件，同时在模 式识别、人机交互、智能监控、视频检索等领域引起了广泛的重视。 人脸检测问题最初来源于人脸识别，任何一个自动的人脸识别系统首先需要 对入脸进行准确的定位，因此实时而有效的人脸检测显得尤为重要。与其他生物特 征识别方法相比，人脸识别具有更加直接、友好、方便的特点，以其非侵犯性更容 易被用户所接受，而且，通过对人脸的表情、姿势作分析，还能获得其他识别系统 难以得到的信息，因此人脸识别成为最有潜力的生物身份验证手段。早期的人脸识 别研究主要针对具有较强约束条件的人脸图象( 如无背景的图象) ，往往假设人脸 容易获得或在手工交互下运用，因此人脸检测问题并未得到重视。今天，随着科学 技术和电子商务的发展，人脸检测的应用背景已经远远超出了人脸识别系统的范 畴，在基于内容的检索、数字视频处理、计算机视觉、人机交互等方面有着重要的 应用价值。 人脸检测的研究具有重要的学术价值，人脸是一类具有相当复杂细节变化的 自然结构目标，对此类目标进行检测的挑战性在于：人脸由于外貌、表情、肤色等 不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物； 作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。因此，如果能够 找到解决这些问题的方法，成功地构造出人脸检测系统，将为解决其他类似的复杂 模式的检测问题提供重要的启示。 1 2 人脸检测算法研究的国内外动态 进入9 0 年代，由于生产、生活等各方面对人脸检测系统的迫切要求和计算机 技术、图像处理、模式识别技术的发展日益成熟，人脸检测的课题研究迅速兴起。 目前，国外对人脸检测问题的研究很多，比较著名的有m i t ，c m u 等；国内的清 华大学、中科院计算所、北京工业大学和自动化所等都有人员从事人脸检测技术的 硕士学位论文 m a s t e r st t l e s i s 研究和实现。而且，m p e g 7 标准组织已经成立了一个研究人脸识别草案小组，人 脸检测算法是其研究的内容之一。随着人脸检测研究的深入，国际上发表的有关其 论文数量也大幅度增长，如i e e e 、e l 、a c m 、i s t p 等重要国际会议上每年都有大 量关于人脸检测的论文，提出针对各种情况的不同检测方案，同时还；l 现了专门研 究人脸检测的国际学术会议和竞赛，由此可以看到全世界业界研究人员对人脸检测 技术的重视。 国内外对于人脸检测技术的具体研究【2 j ，大体上可以分为以下四个方面：基于 知识的方法，模板匹配法，不变特征量法和基于统计理论的方法。 ( 1 ) 基于知识的方法 该方法是先对人脸表面基本特征进行提取和学习，利用这些特征总结出来先验 知识，包括人脸的边缘形状、颜色、纹理和灰度等特征，利用这些先验知识来进行 人脸检测。 人脸及器官具有典型的边沿和形状特征，通常人们利用采用l a p l a c i a n ，s o b e l 和c a n n y 等算子来提取边沿特征，将这些特征用于人脸的定位。边沿和形状对于光 照条件的变化具有很好的鲁棒性，灰度特征对光照比较敏感。 每一个人脸都有崮定的纹理特征，利用这种特征来区分不同的对象，s k u f c a 和 a u g u s t e i j n 共同努力研究了一种通过鉴别类似于人脸的纹理推断人脸的存在的方法 1 3 1 。n a k a n o 和d a i 也将s g l d 模型用于检测人脸，取得了很好的效果。 人的皮肤颜色特征在一定程度上可以区分开人脸和大部分背景【4 j 。如今r g b ， y c b c r , h s vy i q 等颜色空间被用于建立肤色模型1 5 1 【6 1 。高斯模型【7 】【8 】、贝叶斯模型、 三维投影模型、混合高斯模型、直方图模型、神经网络肤色模型等被普遍用于肤色 检测，利用肤色进行人脸检测具有计算量小，运算速度快的优点，对于人脸表情、 姿态、尺寸、表情的变化具有较强的鲁棒性和稳定性，但会受到图像采集设备、光 照强度的影响，常常用于图像的初步检测，为后续步骤中的细检做准备。 人脸的直方图特征、轮廓特征、镶嵌图特征、模板特征、器官特征等都是典型 的人脸灰度特征，特别是在人脸的器官区域，即眼睛、嘴巴、鼻子等区域存在独特 的灰度分布，k o u z a n i 等1 9 1 科学家采用神经网络的方法提取人脸的整体特征和局部 特征，达到了很好的效果，但灰度特征受光照强度的影响较大，通常需采用光线补 偿，直方图均衡化等方法作预处理。 也有许多学者将多个特征相结合用于人脸的定位【1 1 1 【1 2 1 ，大多数方法都是使用 整体特征来检测人脸，再利用鼻子，眉毛和头发等局部特征来验证候选人脸。 ( 2 ) 特征不变量方法 2 硕士学位论文 m a s t e r st h e s i s 特征不变量方法的目的是利用那些即使当头部姿态、角度及照射光线等条件变 动的时候依然还存在的结构特征来进行人脸定位。一些研究人员认为：现实存在着 一些关于人脸不依赖于所有外在条件的特征或者属性，存在这样一个潜在的假设是 因为人们能够毫不费力地“看到”在不同姿念和光线下的人脸及物体。现在有很多 方法就是依照这个潜在的假设，首先借助于大量样本学习方法去找到这种脸部的特 征，然后再用找到的这种脸部的特征去检测人脸。人们的肤色是人脸检测一个十分 有效的特征已经被广泛地证明。人脸肤色的基本色素在色彩空间中只是一个很小的 范围，因此我们可以利用肤色的特征有效检测出已知图像中存在的人脸。实际上， 利用人脸肤色的特征检测出的人脸区域可能还不够准确，但它具有直观、实现快速、 简单等优点，如果在整个系统中把它作为人脸检测坏节的粗定位，可以为进一步精 确定位提供良好的前提条件，以便达到最优化的性能。本论文的a d a b o o s t 检测方法 就是基于人脸特征的方法。在下面的几个章节里面，可以通过a d a b o o s t 检测方法来 展示基于人脸特征方法的主要处理过程。 ( 3 ) 基于模板的方法 模板匹配通常被用于人脸检测的验证，这样可以更进一步提高人脸检测系统的 准确率，它的主要思想是利用模板与待检测图像之间的相关程度来对图像中的入脸 进行判断。可变形模板和预先定义的模板是人脸检测常用的模板。v e n k a t r a m a n 和 g o v i n d a r a j u i 乃j 使用小波延伸的方法用于图像的边缘提取。t s u k a m o t o 等提出一个人 脸模式的定性模型( q m f ) 1 4 1 l 。q m f 方法将每一个样本图像分割成一些块，再 对各个块估算其定性特征。 主动形状模型( a s m ) 1 1 6 1 和主动外观模型( a a m ) 1 7 l 是近年来流行的一种对 象形状提取算法，其核心思想是在某种局部点模型匹配的基础上，利用统计模型对 待识别的人脸的形状进行约束，从而转化为一个最优化求解问题，并期望最终收敛 到实际的人脸形状上去。 ( 4 ) 基于统计理论 由于用具体的数字来描述人脸的面部特征面临着许多困难，且人脸图像本身比 较复杂，所以人们在基于统计理论的方法上作了大量的尝试。基于统计理论方法的 研究是基于统计理论和机器学习的，它能很好地将人脸检测和定位转化为统计学的 二分类问题，即人脸样本和非人脸样本。基于统计理论的方法主要包括：特征子空 间方法、s v m 、隐马尔可夫模型方法、神经网络方法和b o o s t i n g 方法。 特征子空间方法主要包括主成分分析方法和线性判别分析方法。支持向量机方 法是v a p n i k 等【1 3 】【1 9 】提出的基于统计学理论，以结构风险最小化为原则的机器学习方 3 硕士学位论文 m a s t e r st h e s i s 法。o s u u a 等使用支持向量机方法检测人脸，其检测速度得到了极大的提升，提高 了3 0 倍，检测效果和s u n g 等的方法相近。y l a t t 等科学家针对支持向量机训练困难的 问题，采用s m o 算法对其进行了改进。h e i s e l e t 等1 2 0 j 采用两级支持向量机用于人脸 检测，获得了更高的检测率。隐马尔可夫模型是一种基于概率模型的统计方法，其 基本思想是计算输入图像区域属于人脸模式的概率，然后将这个概率作为所有可能 的图像窗口的判断依据。它是一种存在两种机理的随机过程。一种是序列的观察值， 另一种是有限状态的马尔可夫链。神经网络方法的基本思路是使用人脸和非脸样本 对该系统进行训练，系统能够对两类样本类条件密度进行学习，并构造简便的神经 网络系统作为分类器。a d a b o o s t 是一种构建准确分类器的算法，它将一族弱学习算 法按照一定规则结合提升为一个强学习算法，通过样本的训练得到识别准确率理想 的分类器。2 0 0 1 年，p v i o l a 等【2 1 j 学者构建了第一个基于b o o s t i n g 算法的实时人脸检 测系统，本文用于肤色的细检部分就是采用了a d a b o o s t 方法，并针对其训练过程中 的不足之处作了改进，在后面的章节中将做详细说明。 总的来说，随着图像处理、模式识别和人工智能领域的飞速发展，人脸检测经 过近几十年的不断研究，硕果累累，但是由于人脸模式自身的复杂多变和外界环境 的不确定性，使得人脸检测成为一个复杂的具有挑战性的模式检测问题1 2 j ，其难点 主要表现在以下几个方面： ( 1 ) 人脸模式具有多样性的特点，且图像的空间分布非常复杂，在高维空间 中建立准确的分布模型子空间值得深入研究。 ( 2 ) 人脸的细节变化非常复杂，且摄像机成像角度的不同会造成人脸的多姿 态，眼镜、头饰和其他外部物体对人脸的遮挡都影响了人脸的检测性能。 ( 3 ) 人脸检测在视频会议、检索、监测等领域的应用都需要进行实时性的处 理，这要求人脸检测的系统必须兼具实时性和高效性。 如果能够找到解决这些问题的方法，将为模式识别中的检测问题提供重要的启 示，为成功构造出具有实际应用价值的人脸检测与跟踪系统作保证。 1 3 本文的主要工作和内容安排 复杂背景下的人脸检测是目前学术界和工业界最具挑战性的课题，它在人脸识 别、视频监测、人机交互、内容检索等诸多领域都具有广泛的应用价值和巨大的应 用前景。近年来，越来越多的科学家正投身到此项技术的研究中，已经取得了丰硕 的成果，但大多数算法有特定的应用环境和一定的局限性，对于复杂背景下多姿态 的人脸检测，现阶段很难取得重大突破，而且在检测速度和精度上很难达到两全的 4 硕士学位论文 m a s t e r st h e s i s 效果。 肤色是人体表面最为明显的特征之一，在一定的色彩空间下，肤色的聚类较为 集中和稳定。利用肤色特征对人脸进行检测具有速度快，对姿势、表情等的变化稳 定性高、鲁棒性好的特点。但是，由于自然界也存在大量与皮肤颜色相近的事物， 只利用肤色这单一特征进行人脸检测是不可靠的，且检测精度有限。基于肤色特征 检测人脸的方法通常作为人脸检测的第一步，需要与其他方法相结合。 本文将基于肤色特征和改进的a d a b o o s t 检测算法相结合应用于人脸检测，并在 m a t l a b 上将本文论述的方法进行了实现，具体包括以下方面的内容： ( 1 ) 研究人脸图像的肤色分割方法，主要包括光线补偿、肤色建模、形态学 处理、去除非人脸区域和人脸区域标定等几个功能模块，展现利用肤色信息对待检 测图像进行分割的详细算法流程。 ( 2 ) 探讨a d a b o o s t 的人脸检测算法的改进方案。该方法是一种经典的人脸检 测方法，它采用积分图像的方法来计算图像特征，使用a d a b o o s t 学习算法将这些特 征按照一定的原则叠加成一个更加高效的强分类器，再用级联的方法将强分类器相 连。针对a d a b o o s t 的不足对算法进行优化。 ( 3 ) 提出一种利用肤色特征和a d a b o o s t 人脸检测算法相结合的方法。建立系 统功能模块，并对各个模块的性能进行了测试，对实验结果进行了展示，对比和分析。 硕士学位论文 m a s t e r 。st h e s i s 第2 章基于肤色特征的人脸检测技术 图像内容的一个重要组成部分是颜色。在人类的认知活动中，色彩起着非常重 要的作用，且和人类的情感也密不可分。每种物体都有其特有的颜色特征，人们 往往以此为依据来分辨物体。 皮肤的颜色是人脸表面十分明显的特征，对于输入的人脸图像，肤色具有较强 的聚类特征，且非常稳定，利用皮肤特征进行检测具有计算量小，计算速度快的优 点，且对于表情、大小、姿势等人脸自身因素的影响有很强的鲁棒性。但是，人脸 皮肤颜色会受光照强度、光源颜色方向等因素的影响，使利用肤色分割人脸的任务 也不是想象中的那么容易。建立一个准确适用的，随时随地都能很好区分人脸部位 和外界环境的颜色体系，这是利用肤色信息的检测技术没能彻底解决的问题。所以， 我们将肤色检测作为本文人脸检测的预处理，其算法流程如下图2 一l 所示： 图2 1 肤色检测算法流程 2 1 人脸图像的预处理 人脸检测前的一个重要步骤是对人脸图像进行预处理，作用是使原始图像的特 征更加有利于后续工作中分析提取，对图像的处理达到更好的效果，预处理对于最 终的检测结果有着很大的影响。 在自然的环境中，图像的成像受到光照条件、背景及成像设备等许多因素的限 制，图像中会包含阴影、噪声等许多不利因素，在特征提取时，这些噪声很容易影 响人脸检测系统的判断，降低了检测率。而且，人脸检测系统在构建时需要对待测 有脸图像进行对比度、亮度、颜色等特征进行调整，不然，同一个特征在不同的条 件下可能表现为不同的形式，这样可能导致误检等不好的结果。因此，在实施肤色 检测前必须对人脸图像进行预处理。 2 1 1 彩色图像的光线补偿 由于光线亮度，大小等原因，所获取的图像可能存在光线不平衡的情况，在提 取颜色特征时可能存在色彩偏差，例如色彩偏冷、偏暖等现象。对图像进行光线补 6 硕士学位论文 m a s t e r st h e s i s 偿能够抵消整个图像中存在的这种色彩偏差，为更好、更完善的实施后续工作做准 备。 a n t ik j a i n 等提出【2 2 1 ，把输入图像中像素点的亮度以从高到低的顺序排列，若 亮度排在前5 的像素点的数目很多，其亮度即可以认为是“参考白”，将其色彩分 量值调整到最大，即2 5 5 。光线补偿系数通过前5 像素亮度的平均值与2 5 5 相除获 得，图像中的其他像素点也依据这一系数进行相应的调整和变换，因此，整幅待测 图像像素点的r g b 值进行了线性放大。该算法的优点是能够有效地保存输入图像 中彩色信息，从多方面对图像进行了补偿，且避免了人脸和背景在图像中的比例对 光线补偿的影响。 当对彩色图像进行光线补偿的系数太大时，会导致图像在色彩分量r 、g 、b 上过多的偏移，使结果适得其反，影响了后续的检测。因此，本文采用自适应的光 线补偿方法。其具体实现代码如下： f u n c t i o ni m 2 l i g h t c o m p e n s a t e ( i ) l = i m r e a d ( i j p g ) ； 【m o ，n o ，1 = s i z e ( i ) f i g u r e ( 1 ) ，i m s h o w ( i ) t h r e s h o l d c o = o 0 5 ； 比例系数 t h r e s h o l d n u m = 1 0 0 ； 像素个数的临界常数 h i s t o g r a m = z e r o s ( 1 ，2 5 6 ) ；灰度级数组 i fm 0 * n 0 * t h r e s h o l d c o 2 5 5 i ( i , j ，2 ) = 2 5 5 ； e n d i ( i j ，3 ) = i ( i j ，3 ) c o ； i fi ( i , j ，3 ) 2 5 5 i ( i j ，3 ) = 2 5 5 ； e n d e n d e n d 8 i mz e r o s ( m 0 ，n o ，j ) ： i m = i ： f i g u r e ( 2 ) ，i m s h o w ( i m ) 鄹国 ( a ) 原始图像( b ) 光照补偿后的效果刚像 图2 - 2 光 ( i 补偿效粜目 2 1 2 灰度直方圈均衡化 在带检测彩色图像对应的灰度图像罩，可能出现偏亮或者偏暗的情况，因此必 须减少光照大小，光源方向，阴影等不利因素对图像检测的下扰，需要对整体图像 的扶度分布情况进行标准化，即均衡苴方图，规划方差或者对梯度进行调整等， 均衡直方图是其中比较重要的种算法。 直方图均衡化是对图像进行预处理的重要方式，在坐标轴中，横坐标表示图像 中像素点的灰度情况，纵坐标表示该像素点出现的频率情况。直方图的统计图则可 以很清晰地反映该图像灰度分布情况，整幅图像的亮度得以展示。进行灰度直方图 的均衡化可以使图像的轮廓变得清晰，减少其灰度等级，增加对比度。 直方图均衡化的基本思想是拓宽图像中像素个数偏多的灰度，缩减像素个数偏 少的灰度，也即使图像细节变得清晰。直方图修正是以累积分布函数变换为基础的 方法。假设变换函数为： s = t ( r ) = i p ，( ) d 刈 ( 2 - 1 ) | p ，( ) d 式中：是积分变量， 川 为r 的累积分布函数。累积分布函 数也是以r 为变量的函数，变换函数需要满足如f 条件： 硕士学位论文 m a s t e r st i i e s i s ( 1 ) t ( r ) 在o 垡1 内单值单调增加。 ( 2 ) 在0 蜓l 内有0 9 ( r ) s l 。由概率论，在式中对r 求导数即得： 拿：p ，( ，) d r ( 2 2 ) 要进行直方图的均衡化，要把计算结果代入表示图像灰度级的概率密度函数 里，即： 以加 以一也七如，上d s d r l 2 p r 。斋 协3 ) 由上式推导可知，变换后的变量s 在定义域内的概率密度分布是均匀的。因此， 要得到灰度均衡分布的图像，可以使用r 的累积分布函数作为变换函数。而像素取 值的范围也能得到动态的展宽。直方图均衡化是一种均匀直方图的图像增强技术。 当灰度级的值为离散数字时，可用频数近似表示概率值，表示如下： p ，( 厂七) = 笠0 厂意1k = 0 ，1 ，z 一1 纷 ( 2 - 4 ) 上式中：l 是灰度级的总数量，p r ( r k ) 表示取第k 级灰度值的概率，n k 表示出现 第k 级灰度的次数，n 表示图像中像素的总数量。 离散形式可用下式描述： 肇= 魂) = 詈= p ，心) 的o 1 k = 0 j , ，z 一1 ，= 0 j = 0 吒= ，_ ( 屯) ( 2 5 ) 综上可知，要进行直方图的均衡化，首先要计算出原图像直方图，然后根据原 图像的直方图分布画出灰度值变换情况，最后遍历整个图像中的像元，得到变换后 该像素点新的灰度值。 通过以上研究，直方图均衡化的效果如图2 3 所示。 l o 四f ：口一1 r 口宫日圆b 团 - 一r ? v d 痞回国b 毁 ” ( a 原始图像 四? z z 。4 ， i d 瞎日函文” 莸度值 原始图像所对应的直方图 四f 3 一 。 口旦出! o 旦一型业 d 离口画k 啦 ” ( 0 直方图均衡化后圈像 图2 - 3 直方图均衡化 在m a t l a b 中实现直方图均街化的关键代码如下 p s - i m r e a d ( 3 3 j p g ) ； i t r , s h o w ( p s ) 枷e ( 输入的彩色j p g 图像 i i i l w r i t e l 吨b 2 粤a y 口s ) ，。p i c s a m p l e g r a y b m p ) ； p s = r g b 2 9 r a y ( p s ) ； 图像的预处理，读入彩色图像将其灰度化 i n ，n 】= s i z e ( p s ) ； o p = z e m s ( 1 ，2 5 6 ) ； f o r k = - 0 ：2 5 5 o p ( k + 1 4 e n g t h ( f i n d ( p s k ) ) ( m n ) ； ( d 均衡化后的直方图 硕士学位论文 m a s t e r st h e s i s e n d f i g u r e ，b a r ( 0 ：2 5 5 ，g p , g ) t i t l e ( 原图像直方图) x l a b e l ( 灰度值) y l a b e l ( 出现概率) 绘制直方图 s 1 2 z e r o s ( 1 ，2 5 6 ) ； f o r i = l ：2 5 6 f o r j = l ：i s 1 ( i ) = g p ( i ) + sl ( i ) ； e n d e n d s 2 - - r o u n d ( ( s1 车2 5 6 ) + 0 5 ) ； 内r i = 1 ：2 5 6 g p e q ( i ) = s u m ( g p ( f i n d ( s 2 一i ) ) ) ； e n d f i g u r e ，b a r ( 0 ：2 5 5 ，g p e q ，b ) t i t l e ( 均衡化后的直方图) x l a b e l ( 灰度值) y l a b e l ( 。出现概率) 直方图均衡化 p a = p s ； f o ri = 0 ：2 5 5 p a ( f m d ( p s - - - 一i ) ) = s 2 ( i + 1 ) ； e n d f i g u r e ，i m s h o w ( p a ) r i f l e ( 均衡化后图像t ) i m w r i t e ( p a ，p i c e q u a l b m p t ) ； 图像均衡化 2 1 3 空问低通滤波去噪 从信号频率谱上看，信号在其低频部分的变化比在其高频部分变化缓慢，对于 输入的彩色人脸图像而言，其噪声等干扰的频率分量在信号的高频率部分，所以， 利用低通滤波的方法可以去除图像中的噪声。设输入的原始图像f ( x ，y ) 是m x n 像素矩阵，冲击响应矩阵h ( x ，y ) 是l x l 二维阵列，那么，通过低通滤波后的结 1 2 果g ( x ，y ) 也是m n 像素阵列。 “t 力2 萎萎八“”一；, y 1n - ；j “咖“) 。：捌 = ； ! 一：= 击 = 去 i l 。式中的h i 是b o x 模板，笔者在实验中采用b o x 模板对| 墨| 像进行低通滤波， 山于彩色r g b 图像是三维的，在编程中不能像处理灰度图那样处理，故先提取出 图像的r 、g 、b 分量分别采用驮度图的处理方式进行处理，然后进行图像的重构。 ( 劬原始图像( b ) 低通滤波去噪后图像 图2 - 4 空问低通滤波去噪 在m a t l a b 中空间低通滤波去噪实现的关键代码为： i _ i m r e a d ( 。3 3 j p g ”) ； 读入原图像文件 n 空u r e i m s h o w ( i ) ； 显示原图像 l = d o u b l e ( i ) p 2 5 5 ；数值转换 m 【_ 丘也m ：二维离散傅立叶变换 s 盘i = f m d ：直流分量移到频谱中心 lr e a l - 删l ( s f f t l ) ；取傅立叶变换的实部 ii r a a g - i r n a g ( s f l t l ) ；取傅立叶变换的虚部 a = s qn f ir e a l 2 + ii m a g 2 ) ，计算频谱幅值 a a - u m t 8 ( ： 数值转换 f i g u r e i m s h o w ( a a ) ； 显示原图像的频谱 霹屏 硕士学位论文 m a s t e r st t t e s i s i i = i m n o i s e ( i ，g a u s s i a n ，0 ，0 2 ) ； f i g u r e ，i m s h o w ( i i ) ； i i = d o u b l e ( i i ) 2 5 5 ； f f t l i = f i t 2 0 1 ) ； s f f t l i = f f t s h i f t ( f f t l o ； i i _ r e a l - - - r e a l ( s f f t l i ) ； i i _ i m a g = ( s m i i ) ； b 2 s q r t ( i i r e a l 2 + i i _ i m a g 2 ) ； b b = u i n t s ( b ) ； f i g u r e ，i m s h o w ( b b ) ； 【p ，q 】2 s i z e ( s f f t i i ) ； d 0 = 1 0 ； 。 n = l ； 一， f o r j = l ：p f o r k - - 1 ：q d 0 ，k ) 2 s q r t ( 0 12 8 ) 2 + ( k 一12 8 ) 2 ) ； e n d e n d h 1 ( 1 + ( d d 0