基于Gabor小波的人臉識別技術(shù)

1、基于Gabor小波的人臉識別技術(shù)人臉識別/特征提取/小波變換/直方圖1引言Gabor小波在空間域和頻率域均有較好的分辨能力,有明顯的方向選擇和頻率選擇特性。隨著人們對Gabor小波技術(shù)的不斷探索,使該方法在人臉識別領(lǐng)域取得良好的識別效果1,2。本文首先通過直方圖均衡化等預(yù)處理過程使圖像更加清晰,然后通過調(diào)整小波變換系數(shù)進(jìn)行特征提取。本文主要的目的是減少系統(tǒng)運(yùn)算量、提高人臉識別的準(zhǔn)確率。人臉特征提取的基本原理在特定的場景中對人臉進(jìn)行定位是特征提取的第一步。神經(jīng)網(wǎng)絡(luò)法、彩色分析法、Hough3變換法、模板匹配法、灰度分析法、幾何模型法和主元分析法等方法是目前比較流行的人臉特征定位方法。由于色彩在人

2、臉不同位置的差異,在定位人臉位置時(如嘴唇的紅色分量相對較高等),應(yīng)選用色彩分析的方法。該方法針對不同的色彩模式的圖像進(jìn)行分析處理,使圖像更加的清晰,其它人臉識別方法均可用灰度圖像分析的方法進(jìn)行處理。實(shí)驗(yàn)中選取的人臉表情圖像排除了眼鏡、頭發(fā)等遮擋物的影響,因此所選用的圖像適合灰度圖像分析的方法進(jìn)行處理。通過圖像灰度的垂直積分確定人臉圖像的上下邊界;通過圖像灰度的水平積分確定人臉圖像的水平邊界。相應(yīng)的,垂直積分投影的計(jì)算是根據(jù)圖像每列的灰度和值,而水平積分投影的計(jì)算是根據(jù)水平方向的灰度和值。圖像水平積分和垂直積分的公式為:其中,H(x)表示圖像在yl,y2區(qū)域的水平積分投影,V(y)表示圖像在x

3、l,x2區(qū)域的垂直積分投影。G(x,y)為被積函數(shù)。人臉圖像的預(yù)處理圖像預(yù)處理主要有以下兩個方面的作用:第一,通常情況下,由于光照、噪聲等因素的影響,使得到的原始圖像質(zhì)量并不理想。這就需要在特征提取之前要對圖像進(jìn)行預(yù)處理,使原始圖像特征清晰并提高識別系統(tǒng)的識別效率。由于系統(tǒng)的不足和環(huán)境的影響,在提取有用的信息的時候會受到各種因素的影響,對此我們要采取不同的有針對性的措施進(jìn)行圖像預(yù)處理。第二,我們得到的圖像本身不滿足系統(tǒng)的要求,主要體現(xiàn)在圖像的大小、角度等方面。這也要求我們對圖像進(jìn)行必要的處理。綜上所述,圖像預(yù)處理是一個相當(dāng)重要的過程。因此,我們在對圖像預(yù)處理時應(yīng)該采取正確合理的方法。不同的環(huán)境

4、應(yīng)該采取不同的預(yù)處理方法,預(yù)處理的模塊也應(yīng)依據(jù)系統(tǒng)自身的特點(diǎn)進(jìn)行設(shè)計(jì)。如果預(yù)處理方法不合適不但不能彌補(bǔ)系統(tǒng)的不足還會影響識別結(jié)果;相反,預(yù)處理做的太復(fù)雜,運(yùn)算過多,就會增加工作量。所以預(yù)處理時應(yīng)該綜合考慮各方面的因素。3.l幾何校正在人臉庫中提取的原始圖像,由于受到外界因素的干擾,會使圖像中面部的大小和位置造成很大的差異。這主要是由被拍攝人的位置、姿態(tài)、光照和成像距離等因素造成的。為了滿足識別系統(tǒng)算法對圖像質(zhì)量的要求,必須對原始圖像進(jìn)行一定的技術(shù)處理,否則會影響整個系統(tǒng)的順利運(yùn)行,對算法識別的準(zhǔn)確率造成很大的影響。主要包括以下幾種方法對圖像幾何校正:一、圖像的平移:就是按照一定的規(guī)則,在二維平

5、面坐標(biāo)內(nèi),對圖像做垂直移動或水平移動,減少因?yàn)槿四樀钠茖ψR別結(jié)果造成的影響。二、圖像的翻轉(zhuǎn):為了解決有的圖像中人臉的上下顛倒的現(xiàn)象,利用圖像翻轉(zhuǎn)來糾正圖像中人臉的位置,達(dá)到識別系統(tǒng)的要求。圖1原始圖像、圖2為翻轉(zhuǎn)后的圖像。圖1原始圖像圖2翻轉(zhuǎn)后的圖像三、圖像的旋轉(zhuǎn):主要方法就是根據(jù)實(shí)際需要以圖像的中心為原點(diǎn),對圖像旋轉(zhuǎn)某個角度的處理。圖像旋轉(zhuǎn)中有時候一些點(diǎn)會轉(zhuǎn)出視圖區(qū)外面,而另外一些點(diǎn)會被轉(zhuǎn)進(jìn)來。如果轉(zhuǎn)出視圖區(qū)的點(diǎn)很重要,那么可以通過增大能顯示出來的圖像的范圍來達(dá)到實(shí)驗(yàn)的需要;如果不重要,那么就可以直接截取。圖4施轉(zhuǎn)后的圏像圖像旄轉(zhuǎn)的矩陣表達(dá)式為盟C03&0其逆運(yùn)算是掛X11cos8sin6

6、0一3111tg60其中,(x,y),(x,y)是旋轉(zhuǎn)前后圖像中同一像素的坐標(biāo),0是旋轉(zhuǎn)角度。圖像的旋轉(zhuǎn)都是繞坐標(biāo)軸原點(diǎn)進(jìn)行的，如果對某個點(diǎn)進(jìn)行旋轉(zhuǎn),那么首先要將該點(diǎn)平移至坐標(biāo)原點(diǎn)。圖3為原始圖像、圖4旋轉(zhuǎn)后的圖像。3.2直方圖均衡化直方圖概念:直方圖(histogram)是灰度級的函數(shù)，它表示圖像中具有每種灰度級的像素的個數(shù),反映圖像中每種灰度出現(xiàn)的頻率(像素的個數(shù))。一幅圖像的概貌可以用直方圖描述(如圖像灰度分布情況、灰度的范圍)。對原始人臉圖像采用直方圖描述時，特征點(diǎn)相對集中，不利于系統(tǒng)識別。直方圖均衡化是一種最常用的直方圖修正方法，通過把給定圖像的直方圖的分布改造成均直方圖分布，使輸出

7、像素灰度的概率密度分布均勻。均衡化之后的圖像是擁有最大嫡(信息量)的圖像，這是從信息學(xué)角度出發(fā)得到的基本理論。通俗的說，圖像的對比度增加是直方圖均衡化后最直觀的效果。遏弓夙始圖像及直方圖在圖像均衡化時,圖像亮度即圖像矩陣的平均值是很重要的參數(shù),其值越小則對應(yīng)圖像越暗;而圖像對比度就是圖像矩陣的均方差（標(biāo)準(zhǔn)差）,對比度越大,圖像中黑白反差越明顯。均衡化可以在一定程度上消除成像條件不同,即圖像光照不同對識別造成的負(fù)面影響。圖5原始圖像及直方圖;圖6均衡化后的圖像及其直方圖。其中,灰度直方圖的橫坐標(biāo)表示灰度級,縱坐標(biāo)表示該灰度級出現(xiàn)的頻率。基于小波變換的特征提取4.1Gabor小波1980年Dogm

8、as提出了2-DGabor濾波器，該濾波器具有一組不同參數(shù),可以捕捉到顯著的空間局部調(diào)制特性和方向選擇特性。二維Gabor濾波函數(shù)在空間域和頻率域中具有良好的分辨能力，具備提取圖像局部信息變化的能力4，同時,Gabor小波變換對光照和圖像的變形有較好的魯棒性,因此在圖像處理中有廣泛的應(yīng)用。二維Gabor小波的表達(dá)式為：irfx.y.6.A.u.y=e十尸+J亦COSV其匚汀,.x=xcosi9-hysiti0;kV=xsin-i-jsiii二維GELbgr濾液器定義為工J.Xx)=I(x)Xx-x)dx相應(yīng)的核函數(shù)為式中，上戶T嚴(yán)心C0S傀&血嘰.LX是給定位置的圖像像素；k.是濾波器中心頻率

9、，產(chǎn)T11、EXIexpf-ikx）是振蕩函數(shù)，現(xiàn)-兀丁是高斯包絡(luò)函數(shù)。X.y圖像的任意一點(diǎn)附近區(qū)域的灰度特征可以用二維Gabor小波的變換形式來表示：小波的實(shí)部和虛部對一幅圖像的卷積結(jié)果如下:圖7為從人臉圖像庫中提取的原人臉圖像;圖8為經(jīng)過二維Gabor小波變換后得到的模板圖;圖9、圖10分別為Gabor小波的幅值與相位。圖9幅值圖8二維GaborS模板圖7原人瞼圖像ffllO相位4.2識別過程在人臉圖像的識別過程中,特征提取是最關(guān)鍵的一步。特征提取的目的是把用像素描述的圖像轉(zhuǎn)化成更加高級的描述方式,使圖像得到更加具體的解釋。例如:我們可以通過顏色、形狀、大小、空間構(gòu)造或者是紋理特征對圖像進(jìn)

10、行描述,在圖像具有一定穩(wěn)定性和高識別率的情況下,對圖像數(shù)據(jù)進(jìn)行降維處理。本文所用的識別方法為:設(shè)圖像庫中共有S張圖像，有F類夫臉圖像,JP.U=每類N張,.Y:.:(n=L2-:.V)：.q設(shè)幾舟)三尺(=12門其中皿表示觀測樣本個數(shù)。觀測樣本矩陣為=則總體樣本均值向量為：0二凹-1樣本與均值向量的差為：&=jg_wi=l：2：.hl(10)由于訓(xùn)練集的協(xié)方差矩陣為：c=aat其中貝=如.矢,化疋。(11)再求出g的任盍一組非零特征根和相遂的標(biāo)準(zhǔn)正交特征向量，記宵：U.XXIL(X-,UP(X)0對任盍觀測樣本JgE&,定義Q(_v):理町皿曲)=施他(玖皿跑町(12)其中，匕畑為投影矩陣。由

11、式(4-25)得特征矢量：日吟呵吟呵平勺呵其中W：=$訓(xùn);類間矩陣：孔=卞(叫一町(叫-汀類間矩陣：r=l類內(nèi)矩陣：務(wù)二工工（幾-叫）（幾-町）訂3）r=lJ=1其中，U為總體樣本均值向量；Ui為圖像庫中類內(nèi)樣本均值向量。首先，輸入人臉圖像樣本利用Gabor小波變換把輸入的樣本圖像變換為對應(yīng)的特征矢量Ji,然后計(jì)=爲(wèi)一0八算得到樣本的均值向量最后根據(jù)特征矢量S=FSgFfCXxk於03匚通過比較數(shù)據(jù)庫中人臉樣本圖像與待識別人臉圖像之間的距離得到最大相似度，完成識別過程。本文通過選取不同的Gabor小波變換系數(shù)進(jìn)行大量的試驗(yàn)，最終確定了一組比較合理的系數(shù)（比如Gabor小波的尺度、方向和相位等系

12、數(shù)）,提高了系統(tǒng)的運(yùn)行速度和準(zhǔn)確率。測試實(shí)驗(yàn)本文實(shí)驗(yàn)采用的人臉圖像都是從國際上已經(jīng)創(chuàng)建的人臉圖像數(shù)據(jù)庫中提取的，在IBMPentiumHl1.20GHz微處理器，內(nèi)存為512的XP操作系統(tǒng)上，用Matlab編程的。實(shí)驗(yàn)內(nèi)容為:從原始人臉庫中選取實(shí)驗(yàn)所用的樣本,樣本中包括15個測試者的圖像，每個測試者有9幅圖像組成的特征序列，共800張圖像，包含160個目標(biāo)。從樣本中選取每個測試者的5幅圖像作為訓(xùn)練樣本集，其余圖像作為測試集。每次試驗(yàn)系統(tǒng)都運(yùn)行十次取平均識別率。Gabor小波系數(shù)取值如表1所示。表1Gabor小波系數(shù)小波系數(shù)英文名稱小波系數(shù)值高斯函數(shù)的長寬比AspectRatio1高斯函數(shù)的半徑

13、GaussianRadius等于波長相位Phase0,2/n.波長Wavelength4,4血,8,872,16方向Orientation0,n./8,2n/8,3n/8,4n/8,5n/8,6n/8,7/8人臉特征點(diǎn)的位置如圖11所示:圖11人臉特征點(diǎn)實(shí)驗(yàn)主要對經(jīng)驗(yàn)預(yù)處理和未經(jīng)過預(yù)處理的圖像的識別結(jié)果進(jìn)行對比,實(shí)驗(yàn)結(jié)果證明由于圖像經(jīng)過預(yù)處理以后減少了大量的冗余信息,降低的圖像的維數(shù),使圖像識別的準(zhǔn)確率和識別速度都有很大的提高,從而證明在人臉識別前對圖像做預(yù)處理的必要性。經(jīng)過預(yù)處理的圖像的識別效果如表2,未經(jīng)過預(yù)處理的圖像的識別效果如表3。表2訓(xùn)練樣本實(shí)驗(yàn)結(jié)果方法訓(xùn)練集測試集平均識別數(shù)量平均識別率Gabor小波1601008585Gabor小波16090.8291.1.Gabor小波1601088881.5Gabor小波1601108779.1Gabor小波160988495.7表3訓(xùn)練樣本實(shí)驗(yàn)結(jié)果方法訓(xùn)練集測試麋平均識別數(shù)量平均識別率Gabor小波1601007373Gabor小波16090