论文部分内容阅读
人脸图像处理技术是生物识别技术中一个重要的领域,并且已经进入商业化进程。人脸图像处理技术以其方便、不易篡改等特点受到军事、信息、安全等多个领域的青睐,具有重要的研究价值和广阔的应用前景,同时也面临着巨大的挑战。它不仅仅要解决年龄、光照、姿态、遮挡等鲁棒性不高的问题,也要考虑通过终端获取到图像时产生图像模糊现象等因素。本文正是基于此背景下,深入研究探讨了人脸图像处理技术,并将其应用于二代身份证相片识别和实际拍摄图像的识别中,主要工作内容包括: 首先,针对终端获取图像存在运动模糊的现象,提出一个完备的预处理解决方案。分析了传统的预处理方案及其存在的不足,提出改进的预处理解决方案,通过改进的预处理解决方案对于运动模糊图像进行复原,使图像复原质量达到最优,然后对图像采用直方图均衡化进行增强,最后采用AdaBoost算法对图像进行人脸检测,去除头发、耳朵、背景等人脸区域外不利于识别的因素的影响,从而达到图像预处理的效果,在标准人脸数据库中进行仿真实验,验证了此解决方案的可行性。 其次,针对图像特征提取问题,提出基于多特征融合人脸表示算法。分别分析了传统的全局特征DCT特征和局部特征Gabor特征,鉴于这两种特征各自的优缺点,本文提出一种多特征融合的人脸表示算法,并且在ORL、FERET、Yale三个标准人脸数据库中进行实验,得到95.5%、95%、96.67%的识别率,均高于单一特征DCT特征、Gabor特征的识别效果,同时该算法识别时间比Gabor特征降低了1个数量级,这表明基于多特征融合的人脸表示算法性能优于单一特征人脸表示算法。 然后,深入地研究了基于稀疏表示分类算法,借鉴基于Gabor稀疏表示分类算法的思想,提出一种基于多特征融合稀疏表示分类算法,该算法有效地避免了对原图像进行直接处理所带来的庞大的数据维数,降低了计算复杂度,并且同时考虑了图像的全局特征和局部特征,对于遮挡、光照、局部变形、表情等具有很好的鲁棒性,在ORL、FERET、Yale三个标准人脸数据库中的仿真实验,验证了该算法的识别性能优越性和鲁棒性。 最后,针对人脸模糊图像处理问题,提出一套完整有效的人脸图像处理解决方案。首先通过预处理方案去除终端获取图像存在的模糊现象,然后分别提取人脸图像的DCT特征以及二维Gabor特征,并采用基于多特征融合稀疏表示人脸分类算法完成人脸识别。最后,采集并建立图像数据库,将本文提出的人脸图像处理解决方案应用于二代身份证相片识别和实际拍摄图像识别中。在二代身份证相片识别的实验中,发现本文提出的解决方案识别效果最高比采用传统的基于三阶近邻分类法高出31.82%。在实际拍摄图像识别实验中,本解决方案得到了82.73%的识别率,除此之外,还测试了此解决方案加入不同的噪声情况下的识别性能,取得了不错的识别效果。通过这两个实验验证了人脸图像处理解决方案的有效性及鲁棒性。