学位论文 > 优秀研究生学位论文题录展示

基于低照度图像的人脸检测方法研究

作　者: 胡琼
导　师: 汪荣贵
学　校: 合肥工业大学
专　业: 计算机软件与理论
关键词: 人脸检测 低照度图像增强 直方图均衡化 直方图分割 彩色图像 Adaboost算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 116次
引　用: 3次
阅　读: 论文下载
 

内容摘要


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。

全文目录


摘要  5-6
ABSTRACT  6-7
致谢  7-13
第一章 绪论  13-21
  1.1 课题的背景和意义  13-14
  1.2 人脸检测国内外研究现状  14-18
    1.2.1 基于知识的人脸检测方法  14-16
    1.2.2 基于统计的人脸检测方法  16-18
  1.3 图像增强研究现状  18-20
    1.3.1 频域图像增强方法  18-19
    1.3.2 小波域图像增强方法  19
    1.3.3 空域图像增强方法  19-20
  1.4 本文主要工作及结构安排  20-21
第二章 空间域图像增强基本理论  21-34
  2.1 引言  21
  2.2 基本灰度变换  21-26
    2.2.1 背景知识  21-23
    2.2.2 线性变换  23-25
    2.2.3 非线性变换  25-26
  2.3 直方图处理  26-29
    2.3.1 直方图均衡化  27-28
    2.3.2 直方图规定化  28-29
  2.4 带位置修正的直方图均衡化  29-33
  2.5 小结  33-34
第三章 局部图像增强算法  34-49
  3.1 引言  34
  3.2 局部直方图均衡化及其改进算法  34-38
    3.2.1 局部直方图均衡化算法  34-35
    3.2.2 部分重叠的直方图均衡化  35-38
  3.3 直方图分割算法  38-42
    3.3.1 传统的直方图分割算法  38-40
    3.3.2 改进的直方图分割算法  40-42
  3.5 彩色图像增强  42-45
    3.5.1 彩色模型  42-43
    3.5.2 带色彩恢复的彩色图像增强算法  43-45
  3.6 实验结果与分析  45-48
  3.7 小结  48-49
第四章 低照度图像的人脸检测方法  49-63
  4.1 引言  49
  4.2 AdaBoost算法  49-58
    4.2.1 矩形特征  50-53
    4.2.2 利用积分图计算矩形特征  53
    4.2.3 弱分类器的设计  53-55
    4.2.4 强分类器设计  55-56
    4.2.5 级联分类器  56-58
  4.3 Adaboost算法的改进  58-59
  4.4 低照度图像人脸检测的实现  59-62
    4.4.1 预处理部分  59-60
    4.4.2 检测部分  60-62
  4.5 本章小结  62-63
第五章 总结与展望  63-65
参考文献  65-70
攻读硕士学位期间参与的科研项目  70-71
攻读硕士学位期间发表的学术论文  71

相似论文

  1. 基于FPGA的高速图像预处理技术的研究,TP391.41
  2. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  3. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  4. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  5. 图像修复的变分模型及其Split-Bregman算法,TP391.41
  6. 基于AdaBoost算法的人脸识别研究,TP391.41
  7. 基于OpenCV的人脸检测方法研究,TP391.41
  8. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  9. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  10. 人脸表情识别算法研究,TP391.41
  11. 基于混沌映射与FrFT的单通道彩色图像加密算法,TP309.7
  12. 基于与或图的异常人脸检测技术研究,TP391.41
  13. 管道漏磁内检测数据可视化技术研究,TP391.41
  14. 基于视觉特性与图像模型的增强算法与性能分析,TP391.41
  15. 基于特征点定位的虚拟试戴的研究,TP391.41
  16. 彩色人脸检测与识别研究,TP391.41
  17. 基于模糊C均值聚类的彩色图像分割算法研究,TP391.41
  18. 人脸自动美化算法研究,TP391.41
  19. 基于图像分析的人脸比对技术研究,TP391.41
  20. 基于ARM9的嵌入式图像处理平台的设计及应用,TP391.41
  21. 自然教室中基于视频流的人脸识别系统的研究与实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com