分形編碼在人臉識(shí)別中的應(yīng)用

陳云花　章星

摘要：隨著科學(xué)技術(shù)水平的大力發(fā)展與改進(jìn)，怎樣對(duì)人臉圖像展開編碼、識(shí)別、檢索成為圖像信息領(lǐng)域內(nèi)一個(gè)較為熱門的話題。針對(duì)一個(gè)大型的人臉庫(kù)而言，一般首先需要對(duì)每一幅人臉展開壓縮，以此對(duì)儲(chǔ)存空間進(jìn)行節(jié)省。文章分析了分形編碼在人臉識(shí)別中的具體應(yīng)用，并對(duì)目前的分形技術(shù)用于人臉識(shí)別方法進(jìn)行了研究。

關(guān)鍵詞：分形編碼；人臉識(shí)別；人臉圖像；圖像信息；對(duì)稱性；方差 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2017）03-0057-03 DOI：10.13535/j.cnki.11-4406/n.2017.03.025

1 目前的分形技術(shù)用于人臉識(shí)別方法

1.1 分形近鄰距離法

分形近鄰距離法主要是來(lái)源于分形代碼吸引子以及歐氏距離的唯一性在第一次提出了分形近鄰距離的概念之后，能夠有效針對(duì)任意的初始輸入圖像I，運(yùn)用圖像X的分形代碼展開有限次的迭代之后，I可以把X的吸引子進(jìn)行收斂。但是因?yàn)榉中尉幋a本身具有較高的連續(xù)性，如果運(yùn)用X或者和X相近似的圖像，就像相對(duì)于同一個(gè)人的不同人臉圖像而言，作為輸入，在一次迭代的基礎(chǔ)上，獲得的結(jié)果圖像將和輸入圖像較為近似。另外，運(yùn)用其他的圖像，就像相對(duì)于不同人的人臉圖像來(lái)說(shuō)，作為輸入，在一次迭代的基礎(chǔ)上，獲得的結(jié)果圖像卻與輸入圖像相差很大。在這個(gè)事實(shí)的前提下，相關(guān)的工作者把將分形近鄰距離法大力的運(yùn)用于特定的ORL人臉庫(kù)上，展開科學(xué)的識(shí)別分析，然而平均識(shí)別率僅是90%。要想有效的強(qiáng)化識(shí)別效率，在實(shí)際的分形編碼工作之前，第一步需把輸入圖像展開4個(gè)方向的旋轉(zhuǎn)步驟；第二步需充分考慮到人臉的不同部位，會(huì)影響對(duì)人臉的識(shí)別，需要把權(quán)值加入分形近鄰距離法中，適時(shí)提出了一種特征匹配方法，即“局部—全局”，也就是加權(quán)分形距離法，進(jìn)一步幫助識(shí)別率的大力提高，然而算法的復(fù)雜性也在一定程度上有所提高。

1.2 分形特征法

人們主要是在塊的圖像分形代碼中，將定義域塊旋轉(zhuǎn)方向進(jìn)行提取，同時(shí)也相應(yīng)的提取出和值域塊匹配的定義域塊位置，挖掘出亮度因子、對(duì)比度因子等相關(guān)參數(shù)，并且在此基礎(chǔ)上構(gòu)建4個(gè)特征向量，將其當(dāng)作圖像的表征，從而促進(jìn)對(duì)人臉的識(shí)別。然而該類方法與分形近鄰距離法相比，不具有優(yōu)越性。

1.3 分形與其他方法相結(jié)合

人們對(duì)以上兩種方法進(jìn)行了有效的改進(jìn)，將其和主成分分析方法有機(jī)地進(jìn)行了結(jié)合，相應(yīng)得到了一個(gè)對(duì)人臉表情變化情況具有良好穩(wěn)定性的人臉識(shí)別系統(tǒng)。借此人們?cè)诜中谓従嚯x的條件下，隨之提出了分形奇異值近鄰距離這一概念，進(jìn)一步把局部奇異值分解與分形編碼兩者進(jìn)行了有效的結(jié)合，相應(yīng)增強(qiáng)了識(shí)別率。然而該類方法由于本身不是一種運(yùn)用純分形技術(shù)來(lái)展開人臉識(shí)別活動(dòng)，所以其產(chǎn)生的結(jié)果無(wú)法與純分形技術(shù)方法

比擬。

1.4 像素鏈法

此類方法主義運(yùn)用的是“圖形—理論”的思想，在分析圖像的分形代碼的基礎(chǔ)上，得到像素鏈，而這種像素鏈代表的就是像素間的內(nèi)在聯(lián)系，同時(shí)有效定義了距離度量，進(jìn)而便于人臉識(shí)別。另外，人們?cè)诖罅繉?shí)驗(yàn)證明的基礎(chǔ)上總結(jié)出了一定的經(jīng)驗(yàn)。然而，由于人們的研究活動(dòng)對(duì)像素鏈產(chǎn)生過(guò)程的描述較為模糊不清，在實(shí)際的分形編碼過(guò)程中，并未能充分說(shuō)明是否展開壓縮變換，也沒(méi)有證明如何得到仿射變換參數(shù)等內(nèi)容。

1.5 眼睛定位

人們把分形技術(shù)大力的運(yùn)用于人眼定位中，這種方法也作為有效進(jìn)行人臉識(shí)別的基礎(chǔ)。為了進(jìn)一步提高人臉識(shí)別率，在“圖形—理論”思想的基礎(chǔ)上，相應(yīng)提出了一種運(yùn)用分形編碼圖形來(lái)表示的人臉識(shí)別方法。該種識(shí)別方法主要是運(yùn)用像素塊來(lái)作為識(shí)別基元，對(duì)分形編碼過(guò)程中在沒(méi)有空間上壓縮和有壓縮兩種不同的條件下的具體情況進(jìn)行了進(jìn)一步的討論，對(duì)如何計(jì)算每個(gè)像素塊的仿射變換參數(shù)a和b因子也進(jìn)行了充分的研究。同時(shí)在分形編碼的實(shí)際計(jì)算過(guò)程中以及在圖形表示的生成過(guò)程中融入了一定的旋轉(zhuǎn)變換步驟，獲得了良好的人臉識(shí)別率。

2 基于對(duì)稱性與方差的快速分形人臉圖像壓縮算法

2.1 基于方差的分形圖像編碼法

假設(shè)被編碼圖像I被分為互不重疊塊，也就是值域塊Ri，通常Ri能夠取4×4、8×8、16×16等，第一步：需要把I分為若干定義域塊Di，該尺寸一般比Ri大，能夠滿足實(shí)際的收斂要求，要想讓Di可以和Ri進(jìn)行對(duì)比，需要把Di收縮到和Ri一樣的大小程度，把經(jīng)過(guò)收縮之后的全部Di進(jìn)行表示，即{Di}（i=1，2，…，n）；第二步：每一個(gè)Ri，由{Di}中獲取Di進(jìn)行仿射變換，進(jìn)一步挖掘出最優(yōu)良的匹配塊了，若是Di和Ri距離是最小的情況下，Di也就是Ri的最優(yōu)匹配塊。在實(shí)際的編碼過(guò)程中，需要把仿射變換參數(shù)進(jìn)行有效的記錄，以便來(lái)獲得此圖像的分形碼，并進(jìn)行表示，即{xi，yi，Li，si，gi}，而xi、yi作為定義域塊Di的起始位置，si、Li、gi三者也分別作為對(duì)比度因子、對(duì)稱變換參數(shù)、亮度偏移因子。在此基礎(chǔ)上，人相應(yīng)提出了基于方差的分形圖像編碼法，也就是在求仿射變換前，第一步對(duì){Di}進(jìn)行求方差{eDi}，同時(shí)對(duì){Di}依據(jù)eDi排序，針對(duì)每一個(gè)Ri而言，求Ri的方差eRi，依據(jù)預(yù)先明確的w，接著把Di明確在比eRi分別大（w/2）%以及小（w/2）%的范圍中，并且在其中挖掘出最優(yōu)良的匹配塊，此方法主要是在降低定義域塊數(shù)目的前提下來(lái)實(shí)現(xiàn)通過(guò)編碼速度的要求。然而此算法主要是相對(duì)一般圖像而言的，并不是針對(duì)于特定的人臉圖像，所以需要在前人研究的基礎(chǔ)上，進(jìn)一步有效地提出了針對(duì)人臉圖像的分形圖像壓縮算法。

2.2 人臉圖像的分形碼算法

人臉圖像的分形碼其實(shí)就是一組壓縮映射關(guān)系，主要是把定義域塊變換至對(duì)應(yīng)值域塊，同時(shí)定義域塊的形狀能夠選取正方形、長(zhǎng)方形、三角形，而且其定義域塊尺寸能夠固定也可以變化，以上這些內(nèi)容若是方式改變均會(huì)對(duì)最終的分形碼帶來(lái)一定的影響，更有甚者，若是輸入圖像中出現(xiàn)細(xì)微的改變，也同樣會(huì)造成分形碼內(nèi)少數(shù)的參數(shù)發(fā)生變化。鑒于此，這就需要幫助分形碼不隨著人姿勢(shì)變化以及人臉表情而出現(xiàn)相應(yīng)的改變。本文所涉及的算法，主要是運(yùn)用人臉本身分布具有一定的對(duì)稱性來(lái)對(duì)定義域塊所在范圍的進(jìn)行限制。

因?yàn)槿四槇D像本身就有左右的對(duì)稱性，所以針對(duì)值域塊Ri而言，一般能夠在人臉對(duì)稱的區(qū)域內(nèi)挖掘出和人臉匹配的定義域塊Di，詳見(jiàn)圖1（A）所示，然而因?yàn)槿四樢话憔哂邢嚓P(guān)的表情或者姿勢(shì)的改變，這就致使人臉的對(duì)稱線有可能不是位于人臉部的中央，然而在實(shí)際對(duì)匹配塊接著挖掘的過(guò)程中，能夠略微將候選區(qū)域范圍進(jìn)行擴(kuò)大，一般可以達(dá)到Si 0區(qū)，詳見(jiàn)圖1（B）所示，位于候選區(qū)Si 0內(nèi)還是沒(méi)有尋找到匹配塊，這就需要依據(jù)值域塊Ri處于的具體位置，把候選區(qū)分別進(jìn)行擴(kuò)大，達(dá)到S1區(qū)、S2區(qū)以及S3區(qū)，詳見(jiàn)圖1（C）、（D）所示。其實(shí)也就是在S1區(qū)內(nèi)存在假定值域塊Ri，那么候選區(qū)就會(huì)相應(yīng)的擴(kuò)大到S2區(qū)，就像值域塊Ri位于S2區(qū)內(nèi)，那么候選區(qū)就會(huì)擴(kuò)大到S1區(qū)中，也就像值域塊Ri位于S3區(qū)內(nèi)，這就說(shuō)明Ri是位于人臉中間的，所以需要把候選區(qū)擴(kuò)大到S3區(qū)。鑒于此，相應(yīng)提出了人臉圖像壓縮算法，也就是假設(shè)候選區(qū)Si 0是位于值域塊Ri的對(duì)稱位置上，同時(shí)S1區(qū)位于人臉圖像的左半?yún)^(qū)域，尺寸比Ri大h，詳見(jiàn)圖1（C）。人臉圖像的中間三分之一區(qū)域也就是S3區(qū)，人臉圖像的右半?yún)^(qū)域也就是S2區(qū)，假設(shè)閾值為T。即第一步：對(duì){Ri}是否為空進(jìn)行判斷，若是對(duì)所有Ri全部編碼完，就需要退出，否則從其中取一Ri；第二步：將Ri的對(duì)應(yīng)方差假設(shè)為eRi，把Di明確為Si 0區(qū)，同時(shí)eDi比eRi均大，差范圍維持于（w/2）%之間，此范圍通常表示為{Di 0}；第三步：在{Di 0}中一一取出Di，并且和此前的Ri進(jìn)行仿射變換，并且與之展開對(duì)比，若是Ri、Di兩者的距離與閾值T相比要小，就需要明確Di作為目前最優(yōu)的匹配塊，將其位置及各仿射參數(shù)進(jìn)行記錄，就需要返回至第一步；第四步：如果是在{Di 0}內(nèi)，Ri、Di兩者的距離都比閾值T要大，這就需要按照目前的Ri位置，把候選區(qū)進(jìn)行擴(kuò)大，需要達(dá)到S1、S2、S3三個(gè)區(qū)的一個(gè)，同時(shí)eDi比eRi分別大（w/2）%與?。╳/2）%的范圍中，把此范圍進(jìn)行表示，即{Di 1}；第五步：在{Di 1}內(nèi)一一將Di取出，并且有效和目前的Ri進(jìn)行仿射變換對(duì)比，若是Ri、Di兩者的距離與閾值T相比要小，就能夠明確Di，并且作為現(xiàn)如今最優(yōu)匹配塊，將其位置及各參數(shù)進(jìn)行記錄，返回第一步；若是在{Di 1}內(nèi)，Ri、Di兩者的距離與閾值相比，均大，這就需要與{Di 0}、{Di 1}內(nèi)有效的選取最小距離對(duì)應(yīng)的Di，并且將其作為如今最優(yōu)的匹配塊，對(duì)其位置及各參數(shù)進(jìn)行記錄，繼而返回第一步。

假設(shè)處于最糟的環(huán)境下，也就是對(duì)全部被值域塊都沒(méi)有于候選區(qū)Si 0中找到相應(yīng)的匹配塊，但候選區(qū)已經(jīng)被擴(kuò)大至人臉圖像的二分之一，這就需要運(yùn)用此算法中所需要編碼時(shí)間能夠達(dá)到傳統(tǒng)方法的二分之一，則說(shuō)明了運(yùn)用本文算法，編碼速度令人滿意。

3 基于分形碼的人臉識(shí)別算法

分形碼的表示：于分形碼{xi，yi，Li，si，gi}內(nèi)，xi、yi參數(shù)對(duì)某一值域塊進(jìn)行了充分的反應(yīng)，在和其最匹配的定義域塊的位置上，xi、yi對(duì)定義域塊的絕對(duì)位置也展開了充分的反應(yīng)，但是和值域塊所處的位置并沒(méi)有太大的關(guān)系，在實(shí)際的分形解碼工作中，能夠直接運(yùn)用此參數(shù)獲得一個(gè)正確的解碼圖像。與此同時(shí)，在具體的識(shí)別過(guò)程中，需要把xi、yi進(jìn)行有效的轉(zhuǎn)變，即向著類似于極坐標(biāo)的θi、di來(lái)進(jìn)行表示，θi、di表示的其實(shí)就是定義域塊、值域塊間兩者之間的夾角和相對(duì)距離。在di較小的情況下，則說(shuō)明在自身附近內(nèi)值域塊挖掘到了匹配塊；若是在di較大的情況下，這就說(shuō)明了只有在一個(gè)較遠(yuǎn)的地方才能夠與此前值域塊相似的塊。而若是一幅圖像的分形碼內(nèi)di均不大，這就表明了在自身附近內(nèi)值域塊挖掘到了匹配定義域塊的機(jī)會(huì)較大，另外也充分地說(shuō)明了在自身附近匹配塊出現(xiàn)的頻率也較高。通過(guò)幅角意義可以知道，θi其實(shí)就是對(duì)圖像匹配塊發(fā)生于哪一方向的表示，如果分形碼中大多數(shù)θi的取向較為相同的情況下，很大程度上也就說(shuō)明了圖像紋理具有很大的方向性。與此同時(shí)，Li是對(duì)匹配塊間的幾何對(duì)稱變換關(guān)系的有效反應(yīng)，都是gi、si二者則充分則展現(xiàn)了圖像對(duì)比度的差異性。

4 結(jié)語(yǔ)

分形編碼本身作為一項(xiàng)復(fù)雜的工作，本文主要是在基于對(duì)稱性與方差的快速分形人臉圖像壓縮算法的基礎(chǔ)上，針對(duì)人臉自帶的對(duì)稱特性，相應(yīng)提出了基于分形碼的人臉識(shí)別算法，此方法得到的識(shí)別率較高，值得進(jìn)一步得到應(yīng)用。

參考文獻(xiàn)

[1] 趙德平，鄭瑩.Carotid-Kundalini函數(shù)和Logistic映射

在分形編碼中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2008，

25（5）.

[2] 姬光榮，曲翠璐，趙文倉(cāng)，等.基于分塊分形編碼的

多姿態(tài)、表情人臉圖像檢索[J].中國(guó)海洋大學(xué)學(xué)報(bào)

（自然科學(xué)版），2004，34（5）.

（責(zé)任編輯：蔣建華）