人臉邊緣檢測方法研究與仿真

1、人臉邊緣檢測方法研究與仿真    摘要：邊緣檢測是人臉表情識別的重要環(huán)節(jié)之一，該文通過分析常用邊緣檢測算法，如Roherts算子、Sobel算子、Prewitt算子、Canny算子、Laplacian算子、Log算子，實(shí)現(xiàn)了一套運(yùn)用nsharp濾波算子、Canny邊緣檢測算子綜合處理人臉表情識別的邊緣檢測方案，并運(yùn)用日本JAFFE表情庫，通過MATLAB仿真實(shí)驗(yàn)驗(yàn)證了這種方法的有效性。 關(guān)鍵詞：邊緣檢測；表情識別；微分算子；Matlab 中圖分類號：TP18文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2012)04-0863-03 Research an

2、d Simulation of Facial Edge Detection Method NIU Tong-zhuang1, QU Mei-juan2 (1.Xian Technoloical University ,Xian 710032,China;2. Computer Science and Engineering Institute, Xian Technoloical University , Xian 710032,China) Abstract：Edge detection is one of most essential basic technology in Image P

3、rocessing area.This paper analyz some commonly used edge detection algorithms,such as Roherts operator, Sobel operator, Prewitt operator, Canny operator, Laplacian operator and Log operator. It achieve a new proposal to detect edge in facial expression recognition joining nsharp filtering operator a

4、nd Canny edge detection.The MATLAB simulation experiment prove the effectiveness on Japanese JAFFE expression library. Key words: edge detection;expression recognition;dfferentialoperator;Matlab 人臉表情是人類情感的主載體之一，它含有豐富的人體行為信息。通過臉部表情能夠表達(dá)人微妙的情緒反應(yīng)以及對應(yīng)的心理狀態(tài)1，人臉表情識別技術(shù)隨著人們對表情信息的日益重視而受到關(guān)注，現(xiàn)已成為人們研究的熱點(diǎn)?；趲缀翁卣魈?/p>

5、取是一個(gè)快速、直接、有效的人臉表情識別方法，運(yùn)用基于幾何特征提取的方法進(jìn)行表情識別時(shí)，首先要對圖像進(jìn)行邊緣檢測，確定嘴、眉毛、鼻子、眼睛等人臉表情顯著特征的形狀、位置、大小、距離等2。人臉表情邊緣檢測是這一系列工作的基礎(chǔ)，因此，采用有效的邊緣檢測算法實(shí)現(xiàn)人臉表情邊緣檢測是至關(guān)重要的。 1邊緣檢測綜述 邊緣檢測強(qiáng)調(diào)的是圖像對比度(contrast)3，利用物體和背景在某種圖像特征上的差異來實(shí)現(xiàn)檢測，這些差異包括灰度、顏色或紋理特征。因此，邊緣檢測的實(shí)質(zhì)就是檢測圖像特征發(fā)生變化的位置。常用的微分邊緣檢測算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，這種計(jì)算對噪聲很敏感，噪聲存在可能會使檢測到的邊緣變寬或

6、在某些點(diǎn)處發(fā)生間斷，因此需要采用濾波器濾除噪聲。 1.1中值濾波 中值濾波是線性空間濾波的一種實(shí)現(xiàn)方式5。它是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號處理技術(shù)6。這種濾波器的優(yōu)點(diǎn)是運(yùn)算簡單、速度快，在濾除疊加白噪聲和長尾疊加噪聲方面顯示了極好的性能。同時(shí)在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲極其有效。另外，中值濾波器很容易自適應(yīng)化，從而可以進(jìn)一步提高其濾波性能。因此，它非常適應(yīng)于一些線性濾波器無法勝任的數(shù)字圖像處理應(yīng)用場合7。 中值濾波器是把鄰域中的像素按灰度級進(jìn)行排序，然后選擇該組中的中間值作為輸出像素值的一種鄰域運(yùn)算6。具體步驟:1

7、）將模板在圖像中移動，并將模板中心與圖像中某個(gè)像素的位置重合;2）讀取模板各個(gè)對應(yīng)像素的灰度值;3）將這些灰度值從小到大排成一列;4）找出這些值單排在中間的一個(gè);5）將這個(gè)中間值賦給對應(yīng)模板中心位置的像素。 1.2算法分析 常用的微分邊緣檢測算子分為一階微分算子和二階微分算子，一階微分算子有Roherts算子、Sobel算子、Prewitt算子、Canny算子，二階微分算子有Laplacian算子、Log算子，各種算子都是基于對圖像導(dǎo)數(shù)分割原理進(jìn)行的實(shí)例化計(jì)算，其中：Roberts算子邊緣定位準(zhǔn)，但是對噪聲敏感，適用于邊緣明顯且噪聲較少的圖像分割；Sobel算子是一種離散型的差分算子，它用來運(yùn)

8、算圖像亮度函數(shù)梯度的近似值，但是Sobel算子并沒有將圖像的主題與背景嚴(yán)格地區(qū)分開來；Prewitt算子對噪聲有抑制作用，抑制噪聲的原理是通過像素平均來實(shí)現(xiàn)；Canny算子是一個(gè)具有濾波，增強(qiáng)，檢測的多階段的優(yōu)化算子，在進(jìn)行處理前，先利用高斯平滑濾波器來平滑圖像以 非極大值抑制和滯后閾值處理包括邊緣數(shù)據(jù)嶺，即邊緣強(qiáng)度。非極大值抑制的作用是沿頂脊選取特征點(diǎn)。首先假設(shè)頂脊點(diǎn)大于上限閾值，把閾值處理后的輸出設(shè)為白色直到峰值小于下限閾值(lower threshold)。然后，把閾值處理后的輸出設(shè)為黑色直到峰值大于上限閾值(upper threshold)。滯后閾值處理需要兩個(gè)閾值，即上限閾值和下限閾

9、值。當(dāng)非極大值抑制所定義的邊緣點(diǎn)大于上限閾值時(shí)開始處理，標(biāo)記為邊緣點(diǎn)(通常為白色，取值為255)，形成邊緣線的第一點(diǎn)。然后查找該點(diǎn)的相鄰點(diǎn)以確定它們是否大于下限閾值，如圖3所示。任何大于下限閾值的相鄰點(diǎn)都標(biāo)記為邊緣點(diǎn)，然后再查找它的相鄰點(diǎn)以確定它們是否大于下限閾值。利用這種方式，第一個(gè)確定的邊緣點(diǎn)(大于上限閾值)成為一個(gè)用于查找的種子點(diǎn)(seed point)，它的相鄰點(diǎn)如果大于下限閾值也一次成為種子點(diǎn)，然后沿著大于下限閾值的相鄰點(diǎn)連接起來的支徑不斷地查找下去。在每個(gè)支徑上，如果遇到?jīng)]有其相鄰點(diǎn)大于下限閾值的點(diǎn)，則中斷查找。 在實(shí)現(xiàn)過程中，各個(gè)支徑的長度是未知的，所以滯后閾值處理需要遞歸計(jì)算(

10、recursion)。先找到初始種子點(diǎn)并設(shè)為白色，然后查找其相鄰點(diǎn)并核對每個(gè)點(diǎn)的坐標(biāo)是否在圖像范圍。 通過以上分析，使用Canny算子檢測邊緣實(shí)現(xiàn)過程如下： 1）用高斯濾波器平滑圖象，邊緣就成為數(shù)據(jù)嶺； 2)用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向； 3）對梯度幅值進(jìn)行非極大值抑制，對邊緣方向法線兩側(cè)的兩個(gè)點(diǎn)插入邊緣強(qiáng)度，若感興趣點(diǎn)邊緣強(qiáng)度比這兩個(gè)值大，則返回該興趣點(diǎn)，否則丟棄； 4）用雙閾值算法遞歸檢測和連接邊緣：選擇種子點(diǎn)，設(shè)為白色，依次查找相鄰點(diǎn)，循環(huán)設(shè)置種子點(diǎn)，完成整幅圖像的所有點(diǎn)的檢測，將檢測到的種子點(diǎn)連接為圖像邊緣。 2 MATLAB仿真實(shí)驗(yàn) 該試驗(yàn)在日本JAFFE表情庫的基礎(chǔ)上

11、，采用多張不同表情的圖片進(jìn)行對比驗(yàn)證該文所設(shè)計(jì)的邊緣檢測方案的有效性。實(shí)驗(yàn)采用圖片如圖4所示：圖4讀入灰度圖片 對灰度圖運(yùn)用unsharp濾波算子中值濾波后采用Canny算子邊緣檢測，在邊緣檢測過程中，閾值選擇尤為重要，它是邊緣檢測的基準(zhǔn)，直接關(guān)系到檢測效果。實(shí)驗(yàn)結(jié)果如圖5所示：圖5邊緣檢測結(jié)果圖 實(shí)驗(yàn)結(jié)果表明，對讀入的灰度圖，運(yùn)用unsharp建立預(yù)定義濾波算子增強(qiáng)圖像模糊對比度，并采用預(yù)定義濾波算子進(jìn)行中值濾波去除圖像中的噪聲。在此基礎(chǔ)上，運(yùn)用Canny算子進(jìn)行邊緣檢測，有效的提取了圖像的邊緣信息。該實(shí)驗(yàn)方案在噪聲抑制和邊緣檢測方面取得交好的平衡。 3結(jié)論 該文主要介紹了中值濾波和邊緣檢測

12、方面理論知識，闡述了一種實(shí)現(xiàn)人臉表情圖像邊緣檢測的有效方案。該方案采用Canny算子邊緣檢測在精度方面比較出色，它很方便獲取人臉表情的顯著特征，包括形狀、位置、大小、距離等，為準(zhǔn)確識別人臉表情提供一種預(yù)處理方法。 參考文獻(xiàn)： 1韋妍.人臉表情識別概述J.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2011(8):77-79. 2樸林植,趙杰煜.基于統(tǒng)計(jì)形狀分析的人臉基本表情分析J.寧波大學(xué)學(xué)報(bào):理工版,2009,22(2). 3 Mark S.Nixon，Alberto S. Aguado.Feature Extraction and Image Processing Second EditionJ.電子工業(yè)出版社，2010:92-109. 4龍清.圖像邊緣檢測中的微分算子法及其比較J.信息技術(shù),2011(6). 5 Rafael C. Gonzalez,Richard E. Woods,Steven L. Ed