专利名称：一种图像识别方法
技术领域：
本发明属于图像处理领域，尤其是涉及一种图像识别方法。
背景技术：
在现有技术中，对脸部图像进行识别的方法主要是利用K-L变换的方 法，此变换后可以得到一组反映样本中差异的正交基，判别人脸是将人 脸图像映射到这组基来进行人脸的区分。具体是，首先，对^个样本图 像进行转换，转换后的样本图像为灰度图像，且具有统一尺寸；然后对 转换后的灰度图像进行K-L变换，得到投影向量；接下来，将投影向量 边界距离最大化，得到分类函数；最后，将待识别人脸图像进行转换， 转换后的图像为灰度图像，且具有与转换后的样本图像相同的尺寸，再 进行K-L变换，将其投影到K-L空间得到投影向量，输入到这N个分类 函数中，哪个输出值最大，就判定这个人为输出值最大的分类函数对应 的人。
但此种方法对于图像中的人脸位置的偏移敏感，对于鉴别表情和姿态 变化较大的人脸图像正确率不是很高，或算法运算量较大。
发明内容
由于人脸图像由于表情和姿态变化较大，和由于摄像头镜头问题造成 的失真，使人脸鉴别的正确率受到限制。因此，图像的特征提取是关键 所在。由此本发明在图像处理中通过特征提取来提高了人脸鉴别的正确 率，而且运算量没有显著的增加。
为此，本发明提供图像处理方法，包括步骤将图像转换为灰度图像； 将所述灰度图像进行二维傅利叶变换，得到二维虚数矩阵；将二维虚数 矩阵进行模值转换，得到频谱矩阵；对频谱矩阵进行K-L变换，得到投 影向量。
其中，还包括步骤将投影向量边界距离最大化，得到分类函数。 其中，所述图像个数为W，其中A^"xe，其中"表示人数，e表示每个
人的图像数。
其中，转换后的灰度图像为具有统一尺寸的灰度图像。 其中，对灰度图像的灰度矩阵进行二维傅利叶变换。 其中，所述分类函数为"个，其中"表示人数。
进一步的，本发明提供了一种图像识别方法，包括歩骤将样本图像 转换为第一灰度图像；将所述第一灰度图像进行二维傅利叶变换，得到 第一二维虚数矩阵；将所述第一二维虚数矩阵进行模值转换，得到第一 频谱矩阵；对所述第一频谱矩阵进行K-L变换，得到第一投影向量；将 所述第一投影向量边界距离最大化，得到分类函数；将待识别图像转换 为第二灰度图像；将所述第二灰度图像进行二维傅利叶变换，得到第二 二维虚数矩阵；将所述第二二维虚数矩阵进行模值转换，得到第二频谱 矩阵；对所述第二频谱矩阵进行K-L变换，得到第二投影向量；计算所 述第二投影向量的分类函数值。
其中，还包括步骤比较上述分类函数值，选择其中的最大值。
其中，所述第一灰度图像与第二灰度图像具有相同尺寸。
其中，所述样本图像数为W，其中A^"xe，其中"表示人数，e表示每
个人的样本图像数。
其中，对所述第一灰度图像的灰度矩阵进行二维傅利叶变换。 其中，对所述第二灰度图像的灰度矩阵进行二维傅利叶变换。 其中，所述分类函数为"个，其中"表示人数。 其中，所述分类函数值为"个，其中"表示人数。
其中，在所述计算所述第二投影向量的分类函数值的步骤中，根据上 述分类函数来计算所述分类函数值。
由此，本发明利用K-L变换与傅利叶变换的各自优点，对于鉴别表情 和姿态变化较大的人脸图像，提高了鉴别正确率。
应当理解，以上一般的描述和以下详细的描述都是示例性和解释性的， 并意在提供对要求保护的本发明的进一步解释。
附图提供对本发明的进一步理解，其包含在说明书中并构成说明书的 一部分，说明本发明的实施方式并且与说明书一起用于解释本发明的原 理。在附图中
图1为根据本发明实施方式的图像处理流程图2为根据本发明实施方式的图像识别流程图3为根据本发明实施方式的对应关系示意图。
具体实施例方式
下面将参照附图对本发明优选的实施方式进行详细描述。 在本发明所提供的图像识别方法中，将已知的样本图像作为参考来确 定待识别图像是否存在于样本图像中，从而确定待识别图像归属于样本 图像中的哪一个人。在此，首先需要对现有的样本图像进行处理，具体 处理步骤如图1所示
S101，首先转换样本图像，具体是将w个样本图像进行转换为具有统一尺寸的第一灰度图像，在此，本发明中选择"个人作为参考，并且针对 每个人分别选择e个样本图像，组成数目为iV的样本图像，样本图像与"个 人的对应关系如图3所示，即A^"xe，其中"表示人数，e表示每个人的 样本图像数，即，上述样本图像中包括分别对应于多个人的多个人脸图 像，但可以理解的是，本发明并不限于此，对于本领域的技术人员来说， 其也可针对每个人选择数目不相同的样本图像；
S102，对转换后得到的第一灰度图像的灰度矩阵进行二维傅利叶变换， 变换后得到第一二维虚数矩阵；
S103，对该第一二维虚数矩阵进行模值转换，从而得到W个样本图像中每个图像所对应的第一频谱矩阵，具体是对该第一二维虚数矩阵取模 值以得到第一频谱矩阵，该第一频谱矩阵只有矢量的大小而没有相位， 即在该第一频谱矩阵中其各元素值对应该第一二维虚数矩阵中每个虚数元素的模值；
S104，对各第一频谱矩阵进行K-L (Karhunen-Loeve)变换，得到第 一投影向量，具体变换如下
首先，将该各第一频谱矩阵逐一转换为一维向量Z'， "1，2，…^， ^为
样本图像的个数。各一维向量维数为"，其中，各第一频谱矩阵像素数为
"=mx" ， ^为第一频谱矩阵行数，"为第一频谱矩阵的列数；
接下来，计算所有一维向量《的向量平均值^")，公式如下 <formula>complex formula see original document page 7</formula>
将各一维向量《减去向量平均值￡")，可，到一新的一维向量《，
'、1，2，…JV，其中，AT为样本图像的个数，艮p，
然后，将这些一维向量《按列组成维数为"^的矩阵I，其中^为样 本图像的个数；
下面，计算矩阵Z的协方差矩阵M，公式如下
<formula>complex formula see original document page 7</formula>
其中iV为样本图像的个数。协方差矩阵M的特征向量"P"2 ，"4勾成了
一组正交基，即K-L基。特征向量"'，"2 ，""对应的全部特征值分别为
……^，特征向量"'，"2 ，""—按列排成矩阵"，那么在特征空间中，一
维向量《的投影向量为Z,『S， '' = 1，2" J，其中，W为样本图像的个数;
按特征值以由大向小的顺序排列特征向量"'，"2 ，""，选择其中前^个
特征向量"""2……'"P作为正交基，按列排成矩阵^，其中"<勺，从而构成
由特征向量"""2……，"p组成的K-L空间，然后在K-L空间中计算一维向量
《的第一投影向量A，公式为^一&《，'、1，2"…W，其中，W为样本图像 的个数；
S105，将第一投影向量、边界距离最大化，得到分类函数/")。具体 如下
将第一投影向量、作为输入向量，通过如下公式(1 ) 、 ( 2 )和(3 ), 计算得到系数w和参数、
<formula>complex formula see original document page 7</formula>(2 ) <formula>complex formula see original document page 8</formula>
并使 |w| u>,=-u 卜l最大 (3)
其中，当^'=1时，第一投影向量^为其中某个人的样本图像；当^'=—、
第一投影向量、为除上述其中某个人之外的其他人的样本图像。由于在W
个样本图像中的人数为"，所以相应得到"个系数w和参数、通过上述"
个系数^和参数6计算得到《个分类函数/")，从而对样本图像进行分类，
计算各分类函数y")的公式如下 /(x) = (w." + 6 ;
这样，每个分类函数/")分别对应于"个人中的每一个人，如图3所示， 分类函数/")与"个人中的每一个人相对应，每个人都具有不同的分类函
数/"\从而通过该分类函数/")来将此人与其他人相区别。
接下来，对输入的待识别图像进行识别，得到上述待识别图像与"个
人的对应关系，即识别得出该待识别图像属于上述"个人中的哪一个人，
如图2所示，具体步骤如下
S201，将输入的待识别图像进行转换，转换后的待识别图像为第二灰
度图像，且该第二灰度图像具有与转换后的样本图像的第一灰度图像相
同的尺寸；
S202，对转换后得到的第二灰度图像的灰度矩阵进行二维傅利叶变换， 变换后得到第二二维虚数矩阵；
S203，对该第二二维虚数矩阵进行模值转换，从而得到待识别图像所 对应的第二频谱矩阵，具体是对该第二二维虚数矩阵取模值以得到第二 频谱矩阵，该第二频谱矩阵只有矢量的大小而没有相位，即在该第二频 谱矩阵中其各元素值对应该第二二维虚数矩阵中每个虚数元素的模值；
S204，将该第二频谱矩阵转换为一维向量r;然后，在K-L空间中计 算一维向量r的第二投影向量『，公式为『《^7;
S205，计算第二投影向量^的分类函数值A『)，具体是，将第二投影
向量^作为自变量，分别在"个分类函数,")中进行计算，公式如下 /(『)=(w. ff) + ^ .
从而，计算得到待识别图像的"个分类函数值/(『)，如图3所示，分 类函数值/(『)与"个人中的每一个人相对应，针对于待识别图像，每个人
都具有不同的分类函数值^『)，从而通过该分类函数值"『)来将此人与 其他人相区别；
S206，比较上述"个分类函数值/(『)，选择上述"个分类函数值,(『)中 最大的分类函数值/(吗隨，该/("隨对应于"个人中某一人的/("，从而 得到该/")所所对应的人。
本领域的技术人员在不脱落权利要求书确定的本发明的精神和范围的 条件下，还可以对以上内容进行各种各样的修改。因此本发明的范围并 不仅限于以上的说明，而是由权利要求书的范围来确定的。
权利要求
1、一种图像处理方法，包括步骤将图像转换为灰度图像；将所述灰度图像进行二维傅利叶变换，得到二维虚数矩阵；将二维虚数矩阵进行模值转换，得到频谱矩阵；对频谱矩阵进行K-L变换，得到投影向量。
2、 如权利要求l所述的方法，其特征在于，还包括步骤 将投影向量边界距离最大化，得到分类函数。
3、 如权利要求1或2所述的方法，其特征在于，所述图像个数为W，其中A^""，其中。表示人数，e表示每个人的图像 数。
4、 如权利要求1或2所述的方法，其特征在于， 转换后的灰度图像为具有统一尺寸的灰度图像。
5、 如权利要求1或2所述的方法，其特征在于， 对灰度图像的灰度矩阵进行二维傅利叶变换。
6、 如权利要求2所述的方法，其特征在于， 所述分类函数为"个，其中"表示人数。
7、 一种图像识别方法，包括步骤 将样本图像转换为第一灰度图像；将所述第一灰度图像进行二维傅利叶变换，得到第一二维虚数矩阵； 将所述第一二维虚数矩阵进行模值转换，得到第一频谱矩阵； 对所述第一频谱矩阵进行K-L变换，得到第一投影向量； 将所述第一投影向量边界距离最大化，得到分类函数； 将待识别图像转换为第二灰度图像；将所述第二灰度图像进行二维傅利叶变换，得到第二二维虚数矩阵； 将所述第二二维虚数矩阵进行模值转换，得到第二频谱矩阵； 对所述第二频谱矩阵进行K-L变换，得到第二投影向量； 计算所述第二投影向量的分类函数值。
8、 如权利要求7所述的方法，其特征在于，还包括步骤 比较上述分类函数值，选择其中的最大值。
9、 如权利要求7或8所述的方法，其特征在于， 所述第一灰度图像与第二灰度图像具有相同尺寸。
10、 如权利要求7或8所述的方法，其特征在于，所述样本图像数为W，其中A^"xe，其中"表示人数，e表示每个人的样 本图像数。
11、 如权利要求7或8所述的方法，其特征在于， 对所述第一灰度图像的灰度矩阵进行二维傅利叶变换。
12、 如权利要求7或8所述的方法，其特征在于， 对所述第二灰度图像的灰度矩阵进行二维傅利叶变换。
13、 如权利要求7或8所述的方法，其特征在于， 所述分类函数为"个，其中"表示人数。
14、 如权利要求7或8所述的方法，其特征在于， 所述分类函数值为"个，其中"表示人数。
15、 如权利要求7或8所述的方法，其特征在于，在所述计算所述第二投 影向量的分类函数值的步骤中，根据上述分类函数来计算所述分类函数 值。
全文摘要
本发明涉及一种图像处理方法，包括步骤将图像转换为灰度图像；将所述灰度图像进行二维傅利叶变换，得到二维虚数矩阵；将二维虚数矩阵进行模值转换，得到频谱矩阵；对频谱矩阵进行K-L变换，得到投影向量。
文档编号G06K9/00GK101196983SQ20061016200
公开日2008年6月11日 申请日期2006年12月8日 优先权日2006年12月8日
发明者韩之天 申请人:北京皎佼科技有限公司