论文导读:：人脸识别是计算机模式识别研究领域中一项热门的研究课题。中值滤波。同态滤波。
论文关键词：人脸识别，中值滤波，同态滤波
引言
随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出需要可靠的身份鉴别。传统身份识别方式的弊端日益彰显，根据人体生理特征和行为特征来识别身份的生物特征识别日益兴起。人脸识别是计算机模式识别研究领域中一项热门的研究课题，人脸的面部特征是最自然的、方便的身份辨认手段，易为用户所接受。随着计算机技术和数字图像技术的迅猛发展，人脸自动识别在技术上成为可能。
1图像预处理
一个典型的人脸识别过程包括三个步骤：人脸检测、特征提取与人脸识别。在实现过程中，首先要获取图像，然后进行人脸模块检测。如果检测到人脸图像，则进行特征点定位及归一化处理，特征提取后送入分类器进行识别，最终获得识别结果。
预处理是人脸识别过程中一个重要环节，其主要目的是消除图像中的冗余信息，滤除干扰、噪声，增强有关信息的可检测性，从而提高识别的可靠性。在预处理阶段，对图像进行优化，尽可能去除或者减小外部环境对预处理图像的干扰，为后续处理提高质量。
2预处理方法的研究
2.1 直方图均衡化
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图反映了图像的明暗分布规律同态滤波，可以通过图像变换进行直方图调整，获得较好的视觉效果。直方图均衡化是在每个灰度级上都具有相同的象素点数的过程，目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
均衡化处理的步骤为：
（1）对给定的待处理图像统计其直方图，求出
（2）根据统计出的直方图采用累积分布函数做变换， ,求变换后的新灰度；
（3）用新灰度代替旧灰度，求出 ，这一步是近似过程，应根据处理的目的尽量做到合理，同时把灰度值相等或近似的合并到一起。
2.2 灰度拉伸
灰度拉伸又叫对比度拉伸，它是最基本的一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则，将其变换为另一种灰度值。通过对原始图像中每个像素赋一个新的灰度值来达到增强图像的目的。一般有线性变换（最常用的是按比例线性变换和分段线性变换）和非线性变换（常用对数扩展和指数扩展）。
2.3中值滤波
中值滤波是一种非线性滤波方法，在一定条件下可以克服线性滤波器处理图像细节模糊的问题，但是对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波的基本思想是把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度值。它对滤除脉冲干扰和图像扫描噪声非常有效论文范文。
中值滤波的步骤：
（1）将滤波模板在图像中漫游，并将模板中心与图中某个像素位置重合；
（2）读取模板中各对应像素的灰度值；
（3）将这些灰度值从小到大排列；
（4）取这一列数据的中间数据赋给对应模板中心位置的像素；
由以上步骤可以看出，中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果。由于它不是简单的取均值，所以产生的模糊比较少。
2.4 同态滤波
当光源照射物体时，由于物体各部分的反射，通过视觉和其他感光面形成图像。因此，图像生成与光源的照射特性和物体的反射特性有关。
设光源的照度函数为 ，景物各点的反射系数为 ，则图像的亮度函数为 。上式表明，图像各点亮度，决定于照射分量和反射系数的乘积。
同态滤波就是将图像乘积形式的亮度模型（非可加性），变成可加形式，以便进行滤波增强处理。经过同态滤波后其结果会改变图像光强度和反射光强度的特性，因此可以做到同时降低图像动态范围，又增加对比度的结果。
同态滤波的步骤：
（1） 对亮度函数两边作对数变换，再取傅氏变换；
（2） 通过一滤波器 ；
（3） 对滤波器的输出取傅氏饭变换，再取指数变换；
选取合适的滤波器，可以适当压缩照度分量的动态范围，同时适当提升反射度分量，可以改善图像对比度，突出物体轮廓。
3 仿真实现
取一幅92*112的人脸图像，通过matlab函数对其进行直方图均衡化处理同态滤波，可以得到处理前后的直方图对比。通过仿真我们可以清楚的看出，均衡化后图像获得了较好的视觉效果，图像变的更加的清楚，图像中的一些细节也突出了。如图3-1所示。
图3-1 处理前后的直方图对比
 对同一副人脸图像进行灰度拉伸，仿真结果如图3-2所示。
图3-2 原始图像以及灰度拉伸处理后的效果
由两幅图像处理前后的效果变化可以看出灰度拉伸后增强了图像的对比度，使得图像细节更加的突出。
同样，对人脸图像分别进行中值滤波和同态滤波进行预处理，其仿真图分别如图3-3和3-4所示。
图3-3原始图像与中值滤波后的效果图
 由原始图像和中值滤波后的图像对比可以看出，处理之后，人脸图像中的斑点得到了去除。
图3-4原始图像与同态滤波后的效果图
对图像进行同态滤波处理之后，由两幅图像对比可以看出，图像对比度得到增强，像素灰度的动态范围也得到增强。处理之后图像较暗的地方变得更清楚，图像中的一些细节也更加突出。
结束语
本文主要针对人脸识别中图像预处理进行研究，通过图像预处理的一些方法，如直方图均衡化、灰度拉伸、中值滤波、同态滤波，对读入的人脸图像进行处理。消除图像中无关的信息，从而使图像增强，细节突出，进一步改善了图像质量，为下一步图像的特征提取、分割、匹配和识别打下可靠的基础。
参考文献：
[1]阮秋琦.数字图像处理学[M].北京: 电子工业出版社, 2000.4
[2]王耀南.计算机图像处理与识别技术[M]. 北京:高等教育出版社, 2001.6
[3]章毓晋.图像工程[M].北京: 清华大学出版社, 2001.9
[4]罗良正.数字图像处理[M].南京: 东南大学出版社, 1999.8
[5]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．1993，
11(2)：180-184
|
