摘要：该文选取了ORL人脸库作为实验对象，采用相应的预处理算法来摒除噪声、倾斜等因素的影响，提高了人脸的识别效果。关键词：ORL人脸库；人脸图像；预处理

　　中图分类号：TP311文献标识码：A文章编号：1009-3044（2012）03-0663-02

　　在进行人脸识别时，人脸图像的识别效果往往因拍摄时间不同引起的光照变化和采集仪器性能等因素产生不同的识别效果。有的呈现出明暗程度的不一致，有的表现为存在不同程度的倾斜。因此，将所需制作的图像进行合理的预处理，将影响图像质量的因素减弱或者消除，可以帮助提升图片使用效果，增强识别。本文选取了ORL人脸库作为实验对象，探究噪声、倾斜等因素的预处理算法以期能够有效提高人脸的识别效果。

　　1人脸库的选取

　　国际上，很多国家都建立了自己的人脸图像数据库，这些人脸库收集标准各异，各具特色，成为广大研究者普遍采用的标准图像库。本文选取的是剑桥大学AT&T实验室创建的ORL人脸库。该人脸库所收集的图像是在不同条件下拍摄的人脸不同的光照、时间、角度和表情的图像，符合本文研究方向。因此本文选择在ORL人脸图像库上进行实验。

　　2人脸图像预处理

　　人脸图像的预处理主要处理旧照片或扫描照片因拍摄环境不同产生的光照干扰和角度倾斜。

　　2.1图像噪声滤波

　　输入图像一般在人脸定位、特征提取等方面都会受到噪声问题的影响，一般来说，去除噪声的算法主要是平滑滤波：

　　平滑滤波算法首先需要选择一定的图像区域，在这个区域内，选取一个像素作为中心，进而在区域内选择一个小的区间，该区间的像素作为该像素区间的基数，然后讲过一种公式化的预算变化推导出该中心像素的新值。一般通过卷积的方法实现平滑滤波。2.2图像旋转

　　在有些情况下，人脸的正面图像会因为坐姿，摄像机倾斜等问题产生不同角度的偏差和倾斜现象，这些偏差数值不一，有大有小，但是在图像识别过程中，细微的、小角度的偏差也会对图像的视觉效果造成一定程度的影响，由此，对这些小角度的处理是也是人脸预处理的必要步骤。

　　调整人脸角度的原理一般是依据常识情况下，图像中，在正常无倾斜的情况下，人物两眼处于同一个水平线上，对人物两眼间的夹角进行计算，如果夹角为0，则图像是水平的，如果夹角不为零，则说明两眼存在一定程度的倾斜。具体计算时，将两眼夹角设为θ，将θ的数值计算出后，反向旋转θ角度，就可以得出校正后的图像。

　　具体计算方法如下：

　　设两眼的瞳孔坐标分别为（x1,Y1）和（x2,Y2），则θ的求取公式如下：

　　设图像中任意点的坐标为（X,y），旋转后该点的坐标为（X,Y），则

　　在进行具体操作时，需要注意我们通常对数据图像进行存储时，存储方式一般是矩阵方式，如果仅仅是将处理图像进行扩大存放，就会导致图像位移。因此，在调整图片角度时，

　　所应进行的预备步骤是首先将图像四个顶点进行旋转，然后取得这些坐标的最值，进而在确定旋转后图像应有的高度和宽度，然后依次对矩阵进行扩展。

　　图2图像旋转前后对比图

　　2.3图像姿态归一化

　　在进行图像识别过程中，还会遇到人物姿态存在一定深度的偏转现象，对这种图像，一般我们都会将其调整到图片正面视图以保证图片的质量，在图像旋转中，两眼间的角度是进行图片旋转的基准，而在此，两眼间的中点和鼻、鼻尖的角度为计算的基准。两眼的中点与鼻、鼻尖处于同一条垂直线上为正面视图，如果不在一条垂直线上，则视为姿态偏转视图。

　　其计算原理是将双眼、鼻尖三个点作为特征点，进而求出两幅图像间的仿射变化关系，进而将输入的图像进行校准，从而补偿由姿态深度偏转带来的影响。

　　具体计算方法如下：

　　设输入图像砚个特征点的位置分别为（x1,y1），（x2,y2），（x3,y3），标准正面视图相应三个特征点为（x1,y1’），（x2’，y2’），（x3’，y3’），所求的仿射变换为：

　　为了保证变换后图像每个点都有像素值，采用反向映射的方法，即求解该变换的反变换：

　　由此，我们可以计算出深度偏转图像和标准正面图像对应特征的几何变换关系，下图（图3）就是进行图像姿态归一处理后的图像。

　　图3图像姿态归一处理前后对比图

　　3小结

　　人脸图像实际应用中应用较多，对这类图像的有效处理能够提升图片的质量，提高一些珍贵图像的识别程度，有重要的研究价值。

　　参考文献：

　　[1]李刚，高政。朱善安新的人脸识别算法[J].光电工程，2003,8（z）：4-6.

　　[2]高秀梅。人脸识别技术鉴别与分析[J].计算机辅助设计与图形学学报，2009,3（6）：962-967.

　　[3]祝磊，马莉，厉力华。一种基于GDLPP的人脸识别算法[J].光电工程，2008（6）：108-112.

　　[4]赵继东，鲁坷。人脸自动识别方法综述[J].电子科技大学学报，2010（5）：750-752.

　　[5] Shan C, Gong S .Face Recognition with one training image[C].Per Person IEEE Trans,2011,2:370-378.