基于小波變換圖像融合算法的人臉檢測(cè).pdf

1、隨著社會(huì)的發(fā)展以及技術(shù)的進(jìn)步，人們對(duì)快速高效的自動(dòng)人臉識(shí)別的要求日益迫切。生物特征由于是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，在科研領(lǐng)域內(nèi)得到了極大的重視和發(fā)展。人臉檢測(cè)作為人臉識(shí)別的關(guān)鍵環(huán)節(jié)開始被作為一個(gè)獨(dú)立的課題并成為研究熱點(diǎn)。 人臉檢測(cè)技術(shù)經(jīng)過多年的發(fā)展已經(jīng)積累了大量的研究成果，人臉檢測(cè)達(dá)到了很高的水平。但是，在背景復(fù)雜或人臉圖像模糊、失真等情況下，人臉檢測(cè)的效果卻并不理想。圖像融合可以把多幅具有人臉信息的圖像綜

2、合成一幅圖像，提高了圖像的可靠性和清晰度。把圖像融合用于人臉檢測(cè)，可以有效的減少由于人臉信息缺失而造成的漏檢。 本文的主要工作和成果如下： 1．把基于DirectShow的視頻圖像融合引入人臉檢測(cè)。DirectShow能使應(yīng)用程序開發(fā)人員從復(fù)雜的數(shù)據(jù)傳輸、硬件差異、同步性等工作中解脫出來，使得用DirectShow框架開發(fā)視頻圖像的實(shí)時(shí)預(yù)覽與檢測(cè)變得簡(jiǎn)單。 2．對(duì)融合的視頻圖像進(jìn)行預(yù)處理。由于成像的角度不同，視頻

3、圖像具有很強(qiáng)的信息互補(bǔ)性并帶有一定程度的失真，需要對(duì)其進(jìn)行預(yù)處理以重新得到像素間原來的空間關(guān)系和灰度值關(guān)系。 3．提出了基于局部熵的小波變換圖像融合算法。首先對(duì)圖像進(jìn)行小波分解。低頻分量是原始圖像的近似，像素間的相關(guān)性不強(qiáng)，采用平均法獲得低頻小波系數(shù)。圖像的邊緣、細(xì)節(jié)等更多信息包含在高頻分量中，用基于局部熵的圖像融合算法選取高頻小波系數(shù)。對(duì)融合系數(shù)矩陣進(jìn)行小波逆變換，得到融合圖像。 4．提高AdaBoost算法弱分類器的