2008届计算机科学与技术专业毕业设计（论文）
第3章 系统的概要设计
本章主要介绍系统的结构设计的流程以及系统各模块的功能及相关原理。应用程序的总体结构设计流程图如图3－1所示：
图3－1总体结构设计流程图 9 初春岭：人脸面部特征提取技术的研究
图像预处理的层次图如图3-2所示：
图3-2 预处理的层次图
人脸定位的层次图如图3-3所示：
图3-3 人脸定位的层次图
10
2008届计算机科学与技术专业毕业设计（论文）
3.1 各模块功能概述
以上是该系统的总体结构设计图以及图像预处理模块的层次图。下面介绍系统中的各模块的具体功能。
3.1.1图像获取模块
该模块主要是从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。
3.1.2人脸区域获取
该系统中图像里人脸区域的获取，主要是根据肤色来进行获取，通过肤色非线形分段色彩变换来实现。这一非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型，这一类肤色模型的建立首先要选取一种合适的色彩空间。
3.1.3图像预处理模块
图像预处理就是对获取得来的图像进行适当的处理，使它具有的特征能够在图像中明显的表现出来。该模块中的子模块有如下几个，下面对它们进行概述：
★ 中值滤波
中值滤波将对图像进行平滑处理，在图像采集过程中，由于各种因素的影响，图像往往会出现一些不规则的噪声，入图像在传输、存储等都有可能产生数据的丢失。从而影响图像的质量。处理噪声的过程称为滤波。滤波可以降低图像的视觉噪声。
★ 灰度化
图像灰度化的过程就是把彩色图像转换为灰度图像的过程，彩色图像包含较多人脸特征信息，但是直接作为处理对象会使过程复杂化．相比之下灰度图像在保留了人脸主要特征信息的基础上，减少了总信息量。
11
初春岭：人脸面部特征提取技术的研究
★ 对比度增强
对比度增强，就是对图像的进一步处理，将对比度再一次拉开。使图象原本模糊的边缘变得清晰。
★ Sobel边缘提取
Sobel提取的优点：采用梯度微分锐化图像，同样使噪声、条纹等得到增强，Soble算子则在一定程度上克服了这个问题：由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用；由于它是相隔两行或两列之差分，故边缘两侧之元素得到了增强，故边缘显得粗而亮。
★ 相似度计算
相似度计算是为了判别两对象的相似程度而设定的算法，比如文字、指纹、人脸等。为了便于二值化阈值的确定，肤色相似度计算的意义是通过计算出与人脸肤色相近的像素点，确定人脸区域，用灰度图象显示出来，并为二值化提供一个可计算出阈值的比较值。
★ 二值化
二值化的目的是将采集获得的多层次灰度图像处理成二值图像，以便于分析理解和识别并减少计算量。二值化就是通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。这便有利于我们对特征的提取。该设计中采用组内方差和组外方差来实现二值化。
3.1.4图像模块定位
对候选特征进行筛选时，首先割据颜色信息提出那些伪特征。然后用PCA模板和几何特征确定眼睛和嘴巴。 ★ 颜色筛选
无论是眼睛还是嘴巴，都位于人脸的非肤色区域。而且眼睛的颜色是黑暗分
12
2008届计算机科学与技术专业毕业设计（论文）
明，利用这些知道可以淘汰很多候选，减少PCA验证的负担。 ★ 双眼的定位
把筛选过的特征区域两两配对，再用PCA模扳进行严整，就可以得到真正的双眼
大使，PCA严整有时候难以区分眉毛与眼睛，所以还要用一些几何特性进一步筛选，由于假定姿态是正的，双眼必定位于人脸的上半部分，他们的连线是近似水平的，而且他们的中心比眉毛低，运用这些判据，可以区分眉毛和眼睛。 ★ 鼻子的定位
在确定了眼睛的位置以后，鼻子的位置基本确定，以眼睛的瞳距为1来计算，鼻子到两眼中心的距离为0.7到1。在这附近搜索颜色较深的区域，大致能得到鼻孔的位置（有的侧面图一个鼻孔基本不可见，也就无法检测出来了）。然后在两鼻孔上访一定范围内（鼻孔的距离的1/2左右）找亮度最高的点作为鼻尖。 ★ 嘴巴的定位
找到双眼之后，可以在它们的下方搜索候选特征区域，寻找非肤色面积较大、近似位于双眼对称的候选作为嘴巴。然后根据先验知识调整嘴巴的大小。
13