• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 6
    • 下载费用:30 金币  

    重庆时时彩十年: 一种人脸图像的处理方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201610905128.1

    申请日:

    2016.10.11

    公开号:

    CN106570459A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/00申请日:20161011|||公开
    IPC分类号: G06K9/00 主分类号: G06K9/00
    申请人: 付昕军
    发明人: 付昕军
    地址: 518060 广东省深圳市南山区南海大道3688号深圳大学科技楼604室
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610905128.1

    授权公告号:

    |||

    法律状态公告日:

    2017.06.16|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种人脸图像的处理方法,用于对人脸图像进行处理得到其的形式化模型,包含四大主要步骤。通过这几个步骤对人脸图像进行了处理,在这一过程中不仅图像位置的校正问题考虑在内,而且产生了人脸图像的形式化模型以体现人脸图像的特征以及方便图像的数据存储,该形式化模型能严格地表示人脸图像,并且能用于后续人脸图像的处理。

    权利要求书

    1.一种人脸图像的处理方法,其特征在于,该方法的步骤如下:
    1)给定一个彩色人脸图像训练集,计算机中的CPU采用HLS色彩模型转换算法进行计
    算,所述HLS色彩模型转换算法是非线性的,能使边缘亮度噪声少、平滑效果好,将所述彩色
    人脸图像训练集中的每一幅彩色人脸图像转换成灰度人脸图像,由所述灰度人脸图像构成
    相应的灰度人脸图像训练集;
    2)对所述灰色人脸图像训练集进行采样,得到采样窗集合,将所述采样窗集合数字化,
    得到采样窗矩阵,根据奇异值分解定理将所述采样窗矩阵转换成奇异特征向量集合,所述
    奇异特征向量集合是由一个个的特征点组成,计算所述特征点的平均分布值P,计算式如
    下:
    <mrow> <mi>P</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mi>M</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>s</mi> <mi>i</mi> </msub> </mrow>
    式中:i=1,2,…,M,si为所述特征点的坐标值,P为所述特征点的平均分布值,变量M用
    于记录所述特征点的数量;
    3)根据所述特征点的平均分布值,将计算得到的坐标值作为新的坐标轴原点,为了消
    除人脸位置的差别,进行人脸的平移并进行旋转变换,首先将所述奇异特征向量集合中每
    个奇异特征向量都减去所述新的坐标轴原点值,得到平移后的奇异特征向量集合,接着观
    察人脸上眉毛的坐标,将人脸上两个眉毛的坐标(x1,y1)、(x2,y2)连成一条线得到人脸的倾
    斜角度α,所述倾斜角度α的计算公式如下:
    <mrow> <mi>&alpha;</mi> <mo>=</mo> <mi>a</mi> <mi>r</mi> <mi>c</mi> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>|</mo> <mfrac> <mrow> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>y</mi> <mn>1</mn> </msub> </mrow> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>)</mo> <mo>-</mo> <mo>(</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mfrac> <mo>|</mo> </mrow> </mrow>
    将所述平移后的奇异特征向量集合围绕所述新的坐标原点旋转角度,旋转参数为
    所有所述平移后的奇异特征向量集合的坐标都乘以所述旋转参数,得
    到旋转变换后的奇异特征向量集合;
    4)将所述旋转变换后的奇异特征向量集合均匀分割,相对应地建立状态矩阵,所述状
    态矩阵中的状态与所述旋转变换后的奇异特征向量集合坐标一一对应,并计算所述状态矩
    阵中的状态之间的转换概率,通过这一过程构建概率状态模型,所述概率状态模型的组成
    基本单位为所述状态矩阵中的状态,并且每个状态都对应于与其他状态的转换概率,最终
    得到的所述概率状态模型为一种形式化模型。

    说明书

    一种人脸图像的处理方法

    技术领域

    本发明涉及一种图像处理领域,涉及一种人脸图像的处理方法。

    背景技术

    人脸作为人类最重要的表达器官,可以向我们提供重要的信息:如性别、种族、情
    绪、年龄和性格等等,因此人脸图像处理技术也就必然成为人机交互的重要手段。此外,从
    本质上研究人脸的规律可以帮助我们加深对人类一般知觉加工模式规律的掌握,还可以有
    效促进机器视觉的研究和发展。现有的人脸图像处理方法仅仅是从图像本身出发,对图像
    的质量进行加工,使图像的质量更加纯正,但是现有的图像处理方式更加需要是能够通过
    处理能够严格地表示人脸图像、并且能方便图像后续处理。

    发明内容

    为解决以上问题,本发明提供一种人脸图像的处理方法。为达到上述技术方案的
    效果,本发明的技术方案为:一种人脸图像的处理方法,该方法的步骤如下:

    1)给定一个彩色人脸图像的训练集,采用HLS色彩模型转换算法,HLS色彩模型转
    换算法是非线性的,具有边缘亮度噪声少、平滑效果好的优点,将彩色人脸图像训练集中的
    每一幅彩色人脸图像转换成灰度人脸图像,由灰度人脸图像构成相应的灰度人脸图像训练
    集;

    2)对灰色人脸图像训练集进行采样,得到采样窗集合,将采样窗集合数字化,得到
    采样窗矩阵,根据奇异值分解定理将采样窗矩阵转换成奇异特征向量集合,奇异特征向量
    集合是由一个个特征点组成,计算特征点的平均分布值,计算式如下:


    式中:i=1,2,…,M,si为所述特征点的坐标值,P为特征点的平均分布值,变量M用
    于记录特征点的数量;

    3)根据特征点的平均分布值,将计算得到的坐标值作为新的坐标轴原点,为了消
    除人脸位置的差别,进行人脸的平移并进行旋转变换,首先将奇异特征向量集合中每个奇
    异特征向量都减去新的坐标轴原点值,得到平移后的奇异特征向量集合,接着观察人脸上
    眉毛的坐标,将人脸上两个眉毛的坐标(x1,y1)、(x2,y2)连成一条线得到人脸的倾斜角度α,
    倾斜角度α的计算公式如下:


    将所述平移后的奇异特征向量集合围绕所述新的坐标原点旋转角度,旋转参数
    为所有平移后的奇异特征向量集合的坐标都乘以旋转参数,得到旋转
    变换后的奇异特征向量集合;

    4)将旋转变换后的奇异特征向量集合均匀分割,建立状态矩阵相对应,状态矩阵
    中状态与旋转变换后的奇异特征向量集合坐标一一对应,并计算状态矩阵中状态之间的转
    换概率,通过这一过程构建概率状态模型,概率状态模型的组成基本单位为状态矩阵中的
    状态,并且每个状态都对应其他状态的转换概率,最终得到的概率状态模型为一种形式化
    模型。

    具体实施方式

    为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结
    合实施例,对本发明进行详细的说明。应当说明的是,此处所描述的具体实施例仅用以解释
    本发明,并不用于限定本发明,能实现同样功能的产品属于等同替换和改进,均包含在本发
    明的?;し段е?。具体方法如下:

    实施例一:真实的人脸图像是彩色的,这些色彩能提供了比灰度人脸图像更为丰
    富的信息。然而,由于灰度图像具有易于处理的特点,且大多数经典的图像处理方法都基于
    灰度图像,因此,如果将一幅彩色图像经过某种变换转换成灰度图像。本方法的第一步就将
    彩色人脸图像转换成了灰度人脸图像,使该灰度图像中包含原彩色图像中的绝大多数特征
    信息,那么,后续处理就可以采用经典的图像处理方法,大大减少了计算量。

    为了得到彩色人脸图像中的主分量特征灰度图像,可以采用提出的最优基来模拟
    K-L变换方法,从而得到新的包含了彩色图像的绝大多数特征信息的主分量特征图像。奇异
    值分解是一种有效的图像的代数特征提取方法。奇异值特征在描述图像时是稳定的,并且
    具有转置不变性、旋转不变性、位移不变性、镜像变换不变性等重要性质,因此奇异值特征
    可以作为图像的一种有效的代数特征描述。奇异值分解技术已经在图像数据压缩、信号处
    理和模式分析中得到了广泛应用。得到了奇异值后,需要对人脸进行分析,采用主成分分析
    的人脸识别方法。该方法将人脸图像按行或)展开,形成了一个高维向量,将它看作一种随
    机向量,因此可以采用K-L变换获得其正交的K-L基底。对应于其中较大特征值的基底具有
    与人脸相似的形状,故称其为特征脸。其后,利用相对较小的Eigenface集描述人脸,使每幅
    人脸图像就对应于一个维数较低的权向量,因此,人脸识别能在降维后的空间上进行。然
    而,该方法的缺点是,得到的特征只是最佳描述特征,而不是最佳分类特征。将特征进一步
    投影,利用线性判别方法使投影后的模式样本的类间散布矩阵最大,而同时它的类内散布
    矩阵最小,投影后保证模式样本在新的空间中同时具有最大的类间距离和最小的类内距
    离,即该模式样本在该空间中有最佳的可分离性。Fisher线性判别分析提取的特征向量集
    重视的是不同人脸的差异,而不是照明条件、人脸表情和方向的变化。因而,采用该方法对
    光照条件、人脸姿态等的变化不太敏感,从而有助于提高识别效果。然而,由于在正常情况
    下人脸识别问题总是一个小样本问题,故其类内散布矩阵总为奇异阵而使此方法的求解变
    得很困难。

    实施例二:由于拍摄角度、距离、坐姿等外界因素的干扰,以及手工标定特征点存
    在一定误差,获得的灰色人脸图像训练集可能会出现在不同的位置、具有不同的大小和旋
    转角度,因此需要进一步通过手工标定点获取的人脸PDM模型,其中包含了很多“非形状”的
    因素,除了人脸的形状外还包含了许多冗余信息,而这些冗余信息的因素会对后面的人脸
    特征提取产生不好的影响。为了消除这种冗余信息因素的影响,在对灰度的人脸图像训练
    集进行统计分析之前,有必要对其进行初始化,即对齐??梢杂美炊云氲姆椒ê芏?,通过适
    当的平移、旋转、放缩变换,在不改变点分布模型的整体形状的基础之上对齐到同一个框架
    下,从而改变获取的原始数据的杂乱无章的状态,减少冗余信息因素对人脸点分布模型数
    据分析的影响。

    在人脸的特征点搜索是在离散空间中进行的,搜索到的点并不是真正意义上连续
    空间内的极值点,因而需要利用己获得的离散空间点进行插值得到连续空间的极值点,这
    种极值点往往存在于亚尺度空间平面。依据泰勒级数将D(x)展开至二次项:


    式中x=(x,y,σ)为空间-尺度坐标,D(x)为连续空间极值点的逼近值,二次式的各
    项系数可通过己获得的相邻离散尺度-空间点差分计算近似得到。然后求取D)(x)的极值,
    即满足从而获得精确度为亚像素-亚尺度级的极值点:


    通过为特征点确定基准方向,可L义构造与方向相关的特征描述向量,从而使特征
    具备旋转不变性。特征点的方向依据其局部邻域像素的梯度分布特性确定,设特征点尺度
    为σ,相应高斯尺度图像为L(x,y,σ),如运用有限差分,计算以特征点为中心,以3x 1.5σ为
    半径区域内图像的梯度幅值和方向角。幅值m(x,y,σ)和方向角的计算如下式:



    利用直方图对邻域窗口内的梯度分布特性进行统计分析,将梯度方向角分成36个
    区间,每10度区间作为直方图横轴的一个坐标,纵轴为梯度方向角对应的梯度幅值的离斯
    加权累计值。这里权重高斯窗的方差为特征点尺度的1.5倍,加入高斯窗可以增强特征点附
    近的梯度幅值影响,这样生成的直方图的主峰值反映了该特征点周围局部邻域图像梯度的
    主要方向,即该特征点的主方向。当存在另一个大于主峰值80%能量的次峰值时,可认为这
    个方向是该特征点的辅方向,这样一个特征点可能会产生坐标位置和尺度相同,而方向不
    同的特征点,以增强匹配的鲁棒性。

    上述实施例对本发明进行详细的说明。应当说明的是,此处所描述的具体实施例
    仅用以解释本发明,并不用于限定本发明,能实现同样功能的产品属于等同替换和改进,均
    包含在本发明的?;し段е?。

    本发明的有益效果是:本发明对人脸图像进行了处理,在这一过程中不仅图像位
    置的校正问题考虑在内,而且产生了人脸图像的形式化模型以体现人脸图像的特征以及方
    便图像的数据存储,该形式化模型能严格地表示人脸图像,并且能用于后续人脸图像的处
    理。

    关 键 词:
    一种 图像 处理 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种人脸图像的处理方法.pdf
    链接地址://www.4mum.com.cn/p-6092776.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03