[發明專利]一種基于分數階微積分的人臉檢測圖像預處理方法

在審

• 申請號: 201710491668.4
• 申請日: 2017-06-26
• 公開（公告）號: CN107341459A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 謝巍;張淦勝;李博;張浪文
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T5/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 羅觀祥

技術領域

本發明涉及圖像處理和人臉識別，具體涉及一種基于分數階微積分的人臉檢測圖像預處理方法。

背景技術

人臉檢測圖像的預處理包括圖像增強和圖像復原，其中圖像增強技術可以提高圖像質量從而增強圖像中感興趣部分的細節信息和凸顯局部輪廓，而圖像復原技術則是利用退化現象的某種先驗知識，重建或復原被退化圖像。

分數階微積分是數字圖像處理的一個新穎的研究方向，主要應用在圖像增強和圖像濾波中。當階次為正數時，使用分數階對圖像進行的是微分操作，其作用是增強圖像邊緣同時保留一定的圖像弱紋理；當階次為負數時，使用分數階對圖像進行的是積分操作，其作用是在去除圖像噪聲的同時保留一定的圖像紋理信息。

發明內容

本發明旨在設計一種對人臉檢測圖像的預處理方法，從而提高人臉檢測的效率。針對椒鹽噪聲，當噪聲達到一定概率時，利用常用的人臉檢測算法便無法從圖像中檢測出人臉，須對圖像進行降噪與增強的預處理，本發明利用分數階微積分對圖像進行處理，在去除噪聲的同時對圖像的邊緣和紋理加以增強和保留，而沒有常用的濾波處理時常引入的圖像模糊化，經處理后利用Viola-Jones算法可順利的從圖像中檢測出人臉。

本發明的目的可以通過采取如下技術方案達到：

一種基于分數階微積分的人臉檢測圖像預處理方法，所述方法包括下列步驟：

對待處理的噪聲圖像通過Otsu最大類間方差法結合噪聲點概率預估值進行噪聲點分割；

采用階數自適應的分數階積分對分割出的噪聲點充分濾波；

采用階數自適應的分數階微分對其他像素點進行圖像增強；

提取圖像特征，通過Viola-Jones算法從圖像中提取出人臉信息。

進一步地，所述的對待處理的噪聲圖像通過Otsu最大類間方差法結合噪聲點概率預估值進行噪聲點分割具體包括：

通過計算圖像中黑白像素數量來計算圖像的噪聲點參考分割閾值；

通過對全圖像的梯度矩陣求Otsu最大類間方差來計算噪聲點參考梯度閾值；

對上述方法求得的梯度閾值針對具體圖像限定范圍，將其中唯一滿足該范圍的值作為梯度閾值，若均滿足，則以二者平均值作為閾值，若均不滿足，則以該范圍的中間值作為梯度閾值。

進一步地，所述的采用階數自適應的分數階積分對分割出的噪聲點充分濾波和所述的采用階數自適應的分數階微分對其他像素點進行圖像增強的操作中，選用的分數階掩膜由G-L定義的分數階形式構造，掩膜大小由圖片大小決定。

進一步地，所述的采用階數自適應的分數階積分對分割出的噪聲點充分濾波的操作中圖像濾波選用的自適應分數階積分階次為

其中Grad_noise為所分割出噪聲點的梯度值，Grad_{noise_max}為噪聲點梯度最大值，Grad_{noise_min}為噪聲點梯度最小值。

進一步地，所述的采用階數自適應的分數階微分對其他像素點進行圖像增強的操作中圖像增強選用的自適應分數階微分階次為

其中Grad_noise為分割出的噪聲點的梯度值，Grad_{noise_min}為噪聲點梯度最小值，Grad_threshold為無須進行圖像增強的臨界梯度閾值。

進一步地，所述的人臉信息提取所用算法為Viola-Jones算法，即基于Haar特征的Adaboost級聯人臉檢測分類器。

本發明相對于現有技術的優點及效果為：

常用的圖像降噪方法通常會引入圖像模糊化，帶來圖像信息的丟失，不利于人臉的檢測與識別，本發明利用分數階微積分對圖像進行處理，在去除噪聲的同時對圖像的邊緣和紋理加以增強和保留，經處理后利用Viola-Jones算法可順利的從圖像中檢測出人臉。

附圖說明

圖1是本發明的算法流程圖；

圖2是本發明針對具體實施方式中實例的具體步驟流程圖；

圖3是本發明針對具體實施方式中實例選用的原始圖像；

圖4是圖3被概率為0.3的椒鹽噪聲干擾后的噪聲圖像；

圖5是對圖4應用本發明的預處理方法后所得的圖像；

圖6是利用Viola-Jones算法對圖3進行人臉檢測的結果；

圖7是利用Viola-Jones算法對圖4進行人臉檢測的結果；

圖8是利用Viola-Jones算法對圖5進行人臉檢測的結果。