基于图像轮廓的人脸识别新方法

摘要

本发明属于模式识别技术领域，涉及计算机技术、数字图象处理技术和生物特征识别技术等，公开了一种基于图像轮廓的人脸识别新方法。首先，利用二值化方法及数学形态学方法提取人脸图像轮廓，并将其进一步优化，得到尽可能少的内部边界的人脸轮廓，并计算每类训练样本的人脸轮廓能量图；然后，计算测试样本与每类人脸轮廓能量图的相似度；最终根据相似度标准对测试样本进行分类识别。基于图像轮廓的人脸识别方法，是一种相似度匹配方法，能够很好地利用图像结构信息，并且避免了传统方法中特征值求解问题以及基于欧氏距离的分类算法，将矩阵逻辑“与”运算应用于分类识别中，能够有效提高分类识别性能。

主权项

一种基于图像轮廓的人脸识别新方法，其特征在于包括以下步骤：步骤一，进行图像预处理，包括以下内容：(1)归一化人脸图像，对人脸图像进行尺寸归一化；(2)将灰度图像进行二值化，得到二值人脸图像；(3)利用数学形态学方法对二值人脸图像进行边界提取；(4)将人脸轮廓图进一步优化，使其保留外边界的同时减少内部边界，方法如下：图像的每一行进行相同的操作：从第0列和最后一列向中间扫描，每行保留两个扫描方向分别遇到的第一个非零值，其余非零值置为0；步骤二，确定训练样本的个数N，计算每类人脸轮廓能量图，公式如下：$f=\underset{i=1}{\overset{N}{\Sigma }}{g}_i$式中，g表示训练样本对应的人脸轮廓，f表示人脸轮廓能量图；步骤三，计算测试样本与训练样本的相似度，方法如下：对测试样本X而言，按下式分别计算其与每类能量图的相似度：S_j＝||X&f_j||_l式中，S_j为测试样本与第j类人脸图像轮廓能量图f_j的相似度，j＝1,...,k，k为类别数，||A||_l表示矩阵A中非零元素个数；步骤四，基于样本相似度进行分类识别方法如下：根据步骤三的计算结果，对于任意测试样本X，选择与X相似程度最大的能量图对应的类别标号赋予测试样本，即：$C\left(X\right)=C\left(\arg \underset{j\in M}{max}\right(S_j\left)\right)$式中，C(X)为类别判别函数，M为类别标号集合，S_j表示测试样本与第j类能量图的相似度。