又能保存所需要的识别信息。 K-L 变换?K-L 变换是建立在统计特性基础上的一种变换,也称为霍特林变换,因他在 1933 年最先给出将离散信号变换成一串不相关系数的方法。 K-L 变换的突出优点是相关性好,是均方误差意义下的最佳变换。?实际上起着数据降维的作用,并保证降维过程最大化保留原数据的差异?目的是为了得到本征脸?在计算机中,图像被分割成下图所示的像素,各像素的灰度值用整数表示。一幅 M×N 个像素的数字图像,其像素灰度值可以用 M 行、 N 列的矩阵 G 表示: ??????????????????? MN M M N Nggg ggg gggG?????? 21 222 21 112 11图像的归一化目的:缩图,计算灰度?对于一个全自动的人脸识别系统,其首要的工作是人脸图像的分割以及主要器官的定位。另外,由于 K-L 变换本质上依赖于图像灰度在空间分布上的相关性,因此还需要对人脸图像进行一系列的预处理,以达到位置校准和灰度归一化的目的。假设已根据分割及定位算法,得到了人脸正面图像左右两眼中心的位置,并分别记为 Er 和 El,则可通过下述步骤达到图像校准的目的?1、进行图像旋转,以使 Er 和 El的连线 ErEl 保持水平。这保证了人脸方向的一致性,体现了人脸在图像平面内的旋转不变性?2、根据图所示的比例关系,进行图像裁剪。图中, O点为 ErEl 的中点,且 d=ErEl 。经过裁剪, 在2d ×2d 的图像内,可保证 O点固定于(0.5d,d) 处。这保证了人脸位置的一致性,体现了人脸在图像平面内的平移不变性?3、进行图像缩小和放大变换,得到统一大小的标准图像, 规定标准图像的大小为 128 ×128 象素点,则缩放倍数为β=2d/128 。这使得 d=ErEl 为定长(64 个象素点),即保证了人脸大小的一致性,体现了人脸在图像平面内的尺度不变性
全文预览
