[发明专利]一种基于分数阶微积分的人脸检测图像预处理方法

说明书

技术领域

本发明涉及图像处理和人脸识别，具体涉及一种基于分数阶微积分的人脸检测图像预处理方法。

背景技术

人脸检测图像的预处理包括图像增强和图像复原，其中图像增强技术可以提高图像质量从而增强图像中感兴趣部分的细节信息和凸显局部轮廓，而图像复原技术则是利用退化现象的某种先验知识，重建或复原被退化图像。

分数阶微积分是数字图像处理的一个新颖的研究方向，主要应用在图像增强和图像滤波中。当阶次为正数时，使用分数阶对图像进行的是微分操作，其作用是增强图像边缘同时保留一定的图像弱纹理；当阶次为负数时，使用分数阶对图像进行的是积分操作，其作用是在去除图像噪声的同时保留一定的图像纹理信息。

发明内容

本发明旨在设计一种对人脸检测图像的预处理方法，从而提高人脸检测的效率。针对椒盐噪声，当噪声达到一定概率时，利用常用的人脸检测算法便无法从图像中检测出人脸，须对图像进行降噪与增强的预处理，本发明利用分数阶微积分对图像进行处理，在去除噪声的同时对图像的边缘和纹理加以增强和保留，而没有常用的滤波处理时常引入的图像模糊化，经处理后利用Viola-Jones算法可顺利的从图像中检测出人脸。

本发明的目的可以通过采取如下技术方案达到：

一种基于分数阶微积分的人脸检测图像预处理方法，所述方法包括下列步骤：

对待处理的噪声图像通过Otsu最大类间方差法结合噪声点概率预估值进行噪声点分割；

采用阶数自适应的分数阶积分对分割出的噪声点充分滤波；

采用阶数自适应的分数阶微分对其他像素点进行图像增强；

提取图像特征，通过Viola-Jones算法从图像中提取出人脸信息。

进一步地，所述的对待处理的噪声图像通过Otsu最大类间方差法结合噪声点概率预估值进行噪声点分割具体包括：

通过计算图像中黑白像素数量来计算图像的噪声点参考分割阈值；

通过对全图像的梯度矩阵求Otsu最大类间方差来计算噪声点参考梯度阈值；

对上述方法求得的梯度阈值针对具体图像限定范围，将其中唯一满足该范围的值作为梯度阈值，若均满足，则以二者平均值作为阈值，若均不满足，则以该范围的中间值作为梯度阈值。

进一步地，所述的采用阶数自适应的分数阶积分对分割出的噪声点充分滤波和所述的采用阶数自适应的分数阶微分对其他像素点进行图像增强的操作中，选用的分数阶掩膜由G-L定义的分数阶形式构造，掩膜大小由图片大小决定。

进一步地，所述的采用阶数自适应的分数阶积分对分割出的噪声点充分滤波的操作中图像滤波选用的自适应分数阶积分阶次为

其中Grad_noise为所分割出噪声点的梯度值，Grad_{noise_max}为噪声点梯度最大值，Grad_{noise_min}为噪声点梯度最小值。

进一步地，所述的采用阶数自适应的分数阶微分对其他像素点进行图像增强的操作中图像增强选用的自适应分数阶微分阶次为

其中Grad_noise为分割出的噪声点的梯度值，Grad_{noise_min}为噪声点梯度最小值，Grad_threshold为无须进行图像增强的临界梯度阈值。

进一步地，所述的人脸信息提取所用算法为Viola-Jones算法，即基于Haar特征的Adaboost级联人脸检测分类器。

本发明相对于现有技术的优点及效果为：

常用的图像降噪方法通常会引入图像模糊化，带来图像信息的丢失，不利于人脸的检测与识别，本发明利用分数阶微积分对图像进行处理，在去除噪声的同时对图像的边缘和纹理加以增强和保留，经处理后利用Viola-Jones算法可顺利的从图像中检测出人脸。

附图说明

图1是本发明的算法流程图；

图2是本发明针对具体实施方式中实例的具体步骤流程图；

图3是本发明针对具体实施方式中实例选用的原始图像；

图4是图3被概率为0.3的椒盐噪声干扰后的噪声图像；

图5是对图4应用本发明的预处理方法后所得的图像；

图6是利用Viola-Jones算法对图3进行人脸检测的结果；

图7是利用Viola-Jones算法对图4进行人脸检测的结果；

图8是利用Viola-Jones算法对图5进行人脸检测的结果。