文 献 综 述
1.研究背景和意义
随着社会的不断进步，科学技术的飞速发展，计算机应用领域也在不断拓展，于是数字图像处理技术作为一种全新的图像处理方法应运而生，而且应用范围越来越广。数字图像处理技术是利用计算机设备将图像转变成数字信息来进行保存、处理、传输和重现，通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。当今社会中，越来越多的用到多媒体系统，例如数码相机，手机，视频会议等，它们的共同点就是要可以显示人脸。[14]
2.人脸检测定位
在完整的人脸识别系统中, 对原始输入图像进行人脸检测、定位是一个不可缺少的关键环节。由于后端的识别系统通常要求输入是一个尺度与几何位置规范的面部图像, 否则将会严重影响整个系统的识别性能, 因此对图像进行人脸准确定位具有重要意义[2]。根据定位所依据的基本信息的类型,可将现有定位方法分为基于先验规则、基于几何形状信息、基于色彩信息、基于外观信息和基于关联信息等5类[3]。对于人脸检测定位方法的研究有以下几个种类：一类是利用颜色、纹理特征的定位方法，如基于肤色的统计分布特征的定位算法；另一类属于利用人脸器官几何特征的基于模板匹配的定位方法，如基于椭圆轮廓特征模板匹配算法；还有一类属于基于统计的人脸定位方法，这类方法将人脸图像视作一个多维向量，从而将人脸定位问题转化为多维空间中分布信号的检测问题，如人工神经网络、K－L变换等方法属于这类方法 [4]。相比较而言，第三种方法应用的范围主要是彩色图像，而且容易受到与肤色信息相似的背景的干扰，第二种方法涉及的计算量比较大，因此通常定位一张人脸所花的时间较长，第三种方法与前两者相比，速度较快，而且适合于各种色彩图像，它的不足之处在于对图像的质量内容有所限制，比如图像的亮度要适中，背景要简单，人脸在图像中要占据较大的篇幅[5]。
在人脸特征定位方面有很多可以借鉴的方法, 如由Chun-Hung lin 等人提出的利用遗传算法进行人脸特征提取的方法, 由Yille等人提出利用变形模板的特征定位的方法。这两种方法都存在两个主要问题:一是能量函数的系数很难适应一般情况: 二是计算量大[6]。
在此我们提出一种基于面积滤波类别方差自动门限和投影技术的快速定位人脸特征的方法该方法对于正面人像和具有一定倾料度的人像都能达到比较好的效果。该方法首先利用面积滤波去除图象背景, 用扩展的八个方向Sobel算子获得梯度图象, 再进行二值化, 而后对图象进行横向和纵向的积分投影, 得到人脸特征的大体位置最后再进行局部投影，得到精确的特征位置[6]。
复杂光照条件下的人脸特征定位对于实现非合作人脸重构识别具有十分重要的意义。提出一种结合自适应区域增强和主动表观模型( AAM) 的人脸特征定位方法。该方法采用基于多区域协作拟合的人脸轮廓提取方法提取复杂光照条件下的准确人脸区域，根据准确人脸区域纹理灰度分布将人脸自适应分割为光照良好和光照不足区域，并分别进行直方图均衡补偿，然后采用AAM 算法进行特征定位以及边缘轮廓特征点校正。实验表明，提出的方法在复杂光照下平均点对点误差以及平均最近点线距误差方面均优于标准的AAM 算法以及基于Ｒetinex 滤波的AAM 算法，证明该方法在一定程度上补偿了光照不均匀对传统AAM 算法的影响，提高了人脸特征定位的准确度[7]。
静态复杂背景灰度图像的人脸快速精确定位问题，是近年来迫切需要解决和完善的问题。将快速简单的大面积搜索算法和复杂精细的分析算法相结合，提出一种椭圆弦箭算法，该算法利用图像的边缘快速确定搜索空间，并在搜索空间内使用虹膜网格采样矩阵进行纹理分析，采用在频域中按指数增长的分布方式设计Gabor滤波器，进一步提高了Gabor滤波器纹理分析效率，从而精确定位人眼和嘴。该文算法复杂度适中，运算量较小，定位精度较高，鲁棒性好，有很大的实用价值[8]。
3. 人脸图像处理算法
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
