陳云花　章星

摘要：隨著科學技術(shù)水平的大力發(fā)展與改進，怎樣對人臉圖像展開編碼、識別、檢索成為圖像信息領(lǐng)域內(nèi)一個較為熱門的話題。針對一個大型的人臉庫而言，一般首先需要對每一幅人臉展開壓縮，以此對儲存空間進行節(jié)省。文章分析了分形編碼在人臉識別中的具體應(yīng)用，并對目前的分形技術(shù)用于人臉識別方法進行了研究。

關(guān)鍵詞：分形編碼；人臉識別；人臉圖像；圖像信息；對稱性；方差 文獻標識碼：A

中圖分類號：TP391 文章編號：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)用于人臉識別方法

1.1 分形近鄰距離法

分形近鄰距離法主要是來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，能夠有效針對任意的初始輸入圖像I，運用圖像X的分形代碼展開有限次的迭代之后，I可以把X的吸引子進行收斂。但是因為分形編碼本身具有較高的連續(xù)性，如果運用X或者和X相近似的圖像，就像相對于同一個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，運用其他的圖像，就像相對于不同人的人臉圖像來說，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。在這個事實的前提下，相關(guān)的工作者把將分形近鄰距離法大力的運用于特定的ORL人臉庫上，展開科學的識別分析，然而平均識別率僅是90%。要想有效的強化識別效率，在實際的分形編碼工作之前，第一步需把輸入圖像展開4個方向的旋轉(zhuǎn)步驟；第二步需充分考慮到人臉的不同部位，會影響對人臉的識別，需要把權(quán)值加入分形近鄰距離法中，適時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，進一步幫助識別率的大力提高，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)方向進行提取，同時也相應(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、對比度因子等相關(guān)參數(shù)，并且在此基礎(chǔ)上構(gòu)建4個特征向量，將其當作圖像的表征，從而促進對人臉的識別。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

人們對以上兩種方法進行了有效的改進，將其和主成分分析方法有機地進行了結(jié)合，相應(yīng)得到了一個對人臉表情變化情況具有良好穩(wěn)定性的人臉識別系統(tǒng)。借此人們在分形近鄰距離的條件下，隨之提出了分形奇異值近鄰距離這一概念，進一步把局部奇異值分解與分形編碼兩者進行了有效的結(jié)合，相應(yīng)增強了識別率。然而該類方法由于本身不是一種運用純分形技術(shù)來展開人臉識別活動，所以其產(chǎn)生的結(jié)果無法與純分形技術(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，同時有效定義了距離度量，進而便于人臉識別。另外，人們在大量實驗證明的基礎(chǔ)上總結(jié)出了一定的經(jīng)驗。然而，由于人們的研究活動對像素鏈產(chǎn)生過程的描述較為模糊不清，在實際的分形編碼過程中，并未能充分說明是否展開壓縮變換，也沒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)大力的運用于人眼定位中，這種方法也作為有效進行人臉識別的基礎(chǔ)。為了進一步提高人臉識別率，在“圖形—理論”思想的基礎(chǔ)上，相應(yīng)提出了一種運用分形編碼圖形來表示的人臉識別方法。該種識別方法主要是運用像素塊來作為識別基元，對分形編碼過程中在沒有空間上壓縮和有壓縮兩種不同的條件下的具體情況進行了進一步的討論，對如何計算每個像素塊的仿射變換參數(shù)a和b因子也進行了充分的研究。同時在分形編碼的實際計算過程中以及在圖形表示的生成過程中融入了一定的旋轉(zhuǎn)變換步驟，獲得了良好的人臉識別率。

2 基于對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，能夠滿足實際的收斂要求，要想讓Di可以和Ri進行對比，需要把Di收縮到和Ri一樣的大小程度，把經(jīng)過收縮之后的全部Di進行表示，即{Di}（i=1，2，…，n）；第二步：每一個Ri，由{Di}中獲取Di進行仿射變換，進一步挖掘出最優(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。在實際的編碼過程中，需要把仿射變換參數(shù)進行有效的記錄，以便來獲得此圖像的分形碼，并進行表示，即{xi，yi，Li，si，gi}，而xi、yi作為定義域塊Di的起始位置，si、Li、gi三者也分別作為對比度因子、對稱變換參數(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{Di}進行求方差{eDi}，同時對{Di}依據(jù)eDi排序，針對每一個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?。╳/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)目的前提下來實現(xiàn)通過編碼速度的要求。然而此算法主要是相對一般圖像而言的，并不是針對于特定的人臉圖像，所以需要在前人研究的基礎(chǔ)上，進一步有效地提出了針對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就是一組壓縮映射關(guān)系，主要是把定義域塊變換至對應(yīng)值域塊，同時定義域塊的形狀能夠選取正方形、長方形、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對最終的分形碼帶來一定的影響，更有甚者，若是輸入圖像中出現(xiàn)細微的改變，也同樣會造成分形碼內(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，主要是運用人臉本身分布具有一定的對稱性來對定義域塊所在范圍的進行限制。

因為人臉圖像本身就有左右的對稱性，所以針對值域塊Ri而言，一般能夠在人臉對稱的區(qū)域內(nèi)挖掘出和人臉匹配的定義域塊Di，詳見圖1（A）所示，然而因為人臉一般具有相關(guān)的表情或者姿勢的改變，這就致使人臉的對稱線有可能不是位于人臉部的中央，然而在實際對匹配塊接著挖掘的過程中，能夠略微將候選區(qū)域范圍進行擴大，一般可以達到Si 0區(qū)，詳見圖1（B）所示，位于候選區(qū)Si 0內(nèi)還是沒有尋找到匹配塊，這就需要依據(jù)值域塊Ri處于的具體位置，把候選區(qū)分別進行擴大，達到S1區(qū)、S2區(qū)以及S3區(qū)，詳見圖1（C）、（D）所示。其實也就是在S1區(qū)內(nèi)存在假定值域塊Ri，那么候選區(qū)就會相應(yīng)的擴大到S2區(qū)，就像值域塊Ri位于S2區(qū)內(nèi)，那么候選區(qū)就會擴大到S1區(qū)中，也就像值域塊Ri位于S3區(qū)內(nèi)，這就說明Ri是位于人臉中間的，所以需要把候選區(qū)擴大到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的對稱位置上，同時S1區(qū)位于人臉圖像的左半?yún)^(qū)域，尺寸比Ri大h，詳見圖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{Ri}是否為空進行判斷，若是對所有Ri全部編碼完，就需要退出，否則從其中取一Ri；第二步：將Ri的對應(yīng)方差假設(shè)為eRi，把Di明確為Si 0區(qū)，同時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進行仿射變換，并且與之展開對比，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)進行擴大，需要達到S1、S2、S3三個區(qū)的一個，同時eDi比eRi分別大（w/2）%與?。╳/2）%的范圍中，把此范圍進行表示，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進行仿射變換對比，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應(yīng)的Di，并且將其作為如今最優(yōu)的匹配塊，對其位置及各參數(shù)進行記錄，繼而返回第一步。

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

3 基于分形碼的人臉識別算法

分形碼的表示：于分形碼{xi，yi，Li，si，gi}內(nèi)，xi、yi參數(shù)對某一值域塊進行了充分的反應(yīng)，在和其最匹配的定義域塊的位置上，xi、yi對定義域塊的絕對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有太大的關(guān)系，在實際的分形解碼工作中，能夠直接運用此參數(shù)獲得一個正確的解碼圖像。與此同時，在具體的識別過程中，需要把xi、yi進行有效的轉(zhuǎn)變，即向著類似于極坐標的θi、di來進行表示，θi、di表示的其實就是定義域塊、值域塊間兩者之間的夾角和相對距離。在di較小的情況下，則說明在自身附近內(nèi)值域塊挖掘到了匹配塊；若是在di較大的情況下，這就說明了只有在一個較遠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會較大，另外也充分地說明了在自身附近匹配塊出現(xiàn)的頻率也較高。通過幅角意義可以知道，θi其實就是對圖像匹配塊發(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，很大程度上也就說明了圖像紋理具有很大的方向性。與此同時，Li是對匹配塊間的幾何對稱變換關(guān)系的有效反應(yīng)，都是gi、si二者則充分則展現(xiàn)了圖像對比度的差異性。

4 結(jié)語

分形編碼本身作為一項復(fù)雜的工作，本文主要是在基于對稱性與方差的快速分形人臉圖像壓縮算法的基礎(chǔ)上，針對人臉自帶的對稱特性，相應(yīng)提出了基于分形碼的人臉識別算法，此方法得到的識別率較高，值得進一步得到應(yīng)用。

參考文獻

[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].計算機應(yīng)用與軟件，2008，

25（5）.

[2] 姬光榮，曲翠璐，趙文倉，等.基于分塊分形編碼的

多姿態(tài)、表情人臉圖像檢索[J].中國海洋大學學報

（自然科學版），2004，34（5）.

（責任編輯：蔣建華）