基于低照度图像的人脸检测方法研究

摘要

人脸检测是模式识别和计算机视觉领域的一个重要研究方向，具有广阔实用价值。在人脸检测的实际应用中，经常会遇到待检测的图像模糊不清、光线不足等情况。本文将人脸检测与图像增强处理相结合进行研究，在对人脸检测和图像增强的国内外研究现状进行深入探讨的基础上，对低照度图像增强中细节增强与亮度保持方面研究，并探究了人脸检测的速度和正确性。全文主要内容如下： 1.传统直方图均衡化在增强低照度图像时，由于低照度图像的灰度级数较少，增强后的图像灰度变化范围很难达到最大灰度变化范围，导致对图像的细节的增强不够理想。本文针对这种情况，对直方图均衡化进行改进，将其与对比度增强相结合来处理低照度图像。首先，根据图像各像素点周围信息求出其对比度参数，根据该参数对图像各像素点进行对比度增强处理；然后，采用带有位置修正的直方图均衡化算法做进一步的增强。实验结果表明，该方法对低照度图像的细节增强效果明显，而且运算时间基本不变。 2.传统直方图均衡化方法对彩色图像增强会使彩色图像的色彩失真，而且图像细节增强效果不明显。本文针对这种情况，提出一种新的带色彩恢复的直方图分割算法。该算法首先对R、G、B各个通道图像的直方图根据其灰度中值和等面积原则进行两次分割，对分割后的子直方图分别进行均衡化处理。然后通过计算各通道在原图中所占的比例，将均衡化处理后的各通道图像进行合并。实验表明，本文提出的算法对彩色图像处理具有较好的实验效果。 3.使用传统Adaboost算法训练分类器，当碰到困难样本时，若阈值选择不当，分类器会产生退化。针对这一问题，本文提出一种带权值更新的阈值选择方案，由此提出一种新的Adaboost算法，并将该算法与图像增强算法相结合，实现一种新的基于低照度图像的人脸检测算法。对于一幅低照度图像，首先使用本文改进的图像增强算法对其进行增强处理，然后使用本文改进的Adaboost算法检测人脸。实验结果表明，该算法在保证检测速度没有明显下降的前提下，对于低照度图像的人脸检测具有较好的效果，有效降低了低照度图像人脸检测的误检率。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章绪论

1.1课题的背景和意义

1.2人脸检测国内外研究现状

1.2.1基于知识的人脸检测方法

1.2.2基于统计的人脸检测方法

1.3图像增强研究现状

1.3.1频域图像增强方法

1.3.2小波域图像增强方法

1.3.3空域图像增强方法

1.4本文主要工作及结构安排

第二章空间域图像增强基本理论

2.1引言

2.2基本灰度变换

2.2.1背景知识

2.2.2线性变换

2.2.3非线性变换

2.3直方图处理

2.3.1直方图均衡化

2.3.2直方图规定化

2.4带位置修正的直方图均衡化

2.5小结

第三章局部图像增强算法

3.1引言

3.2局部直方图均衡化及其改进算法

3.2.1局部直方图均衡化算法

3.2.2部分重叠的直方图均衡化

3.3直方图分割算法

3.3.1传统的直方图分割算法

3.3.2改进的直方图分割算法

3.5彩色图像增强

3.5.1彩色模型

3.5.2带色彩恢复的彩色图像增强算法

3.6实验结果与分析

3.7 小结

第四章 低照度图像的人脸检测方法

4.1引言

4.2 AdaBoost算法

4.2.1矩形特征

4.2.2利用积分图计算矩形特征

4.2.3弱分类器的设计

4.2.4强分类器设计

4.2.5级联分类器

4.3 Adaboost算法的改进

4.4低照度图像人脸检测的实现

4.4.1预处理部分

4.4.2检测部分

4.5本章小结

第五章总结与展望

参考文献

攻读硕士学位期间参与的科研项目

攻读硕士学位期间发表的学术论文