论文部分内容阅读
人脸检测是模式识别和计算机视觉领域的一个重要研究方向,具有广阔实用价值。在人脸检测的实际应用中,经常会遇到待检测的图像模糊不清、光线不足等情况。本文将人脸检测与图像增强处理相结合进行研究,在对人脸检测和图像增强的国内外研究现状进行深入探讨的基础上,对低照度图像增强中细节增强与亮度保持方面研究,并探究了人脸检测的速度和正确性。全文主要内容如下:1.传统直,方图均衡化在增强低照度图像时,由于低照度图像的灰度级数较少,增强后的图像灰度变化范围很难达到最大灰度变化范围,导致对图像的细节的增强不够理想。本文针对这种情况,对直方图均衡化进行改进,将其与对比度增强相结合来处理低照度图像。首先,根据图像各像素点周围信息求出其对比度参数,根据该参数对图像各像素点进行对比度增强处理;然后,采用带有位置修正的直方图均衡化算法做进一步的增强。实验结果表明,该方法对低照度图像的细节增强效果明显,而且运算时间基本不变。2.传统直方图均衡化方法对彩色图像增强会使彩色图像的色彩失真,而且图像细节增强效果不明显。本文针对这种情况,提出一种新的带色彩恢复的直方图分割算法。该算法首先对R、G、B各个通道图像的直方图根据其灰度中值和等面积原则进行两次分割,对分割后的子直方图分别进行均衡化处理。然后通过计算各通道在原图中所占的比例,将均衡化处理后的各通道图像进行合并。实验表明,本文提出的算法对彩色图像处理具有较好的实验效果。3.使用传统Adaboost算法训练分类器,当碰到困难样本时,若阈值选择不当,分类器会产生退化。针对这一问题,本文提出一种带权值更新的阈值选择方案,由此提出一种新的Adaboost算法,并将该算法与图像增强算法相结合,实现一种新的基于低照度图像的人脸检测算法。对于一幅低照度图像,首先使用本文改进的图像增强算法对其进行增强处理,然后使用本文改进的Adaboost算法检测人脸。实验结果表明,该算法在保证检测速度没有明显下降的前提下,对于低照度图像的人脸检测具有较好的效果,有效降低了低照度图像人脸检测的误检率。