摘 要:灰度直方图能直观显示相同灰度的像素之间在空间分布上的差异,间接反映图像特征。为了提高检索准确率引入信息熵投票的方法进行图像检测实验。在特定的训练集的样本数的各光照强度的分别率条件下,均能得到较好的识别率,数据库60%被分配到训练集。
关键词:灰度直方图;信息熵;图像检测
中图分类号:TP391.41 文献标识码:A 文章编号:1674-7712 (2013) 22-0000-01
一、引言
许多的面向非交互式生物识别应用和安全人-机接口脸识别系统在处理人脸图像采用预处理方法。当图像照明变化,人物姿势和面部表情变化情况下准确率降低。为尝试解决这个问题的方法,在特征提取步骤Turk和Pentland提出特征脸的方法,它根据一组人脸训练图像构造主元子空间[1]。Belhumeur的FisherFace方法等回归面部表情和封闭信号稀疏表示融合信息以不同类型的传感器替代脸识别方法来得到系统鲁棒性[2]。
二、交互信息
交互信息,这是信息理论中的一个基本概念[3],是1,2个随机变量X和Y之间的依赖。基于这两个变量之间的共享信息,如果他们是离散,则它被定义为:
其中p(x,y)联合概率分布函数(PDF)的变量,px(x)和py(y)是X和Y的概率密度函数分别在图像的PDF文件中估计精度,在0至1的概率值范围可把图像分为不同数量相同的宽度的区域。强度的图像直方图与不同数量的影响标签。
三、交互算法
在单侧照明的情况下,假定每个识别图像被垂直分成左右两个子图像(图1a),SL和SR。
图1(a) 图1(b)
图1
两部分图像一半的亮面对比另一边更暗,它直接影响灰度直方图的像素强度分布。但是如果不做这种分离,将只表示从一个正面照明图像不同的强度分布。那么交互信息在大数量的训练集中未知的图像和图像进一步比较时则得到不可靠的结果。同时,将图像划分成两个子图像有助于每一方可进行对光强分布的一般形状局部分析,而受制它的位置产生对轴的高度依赖。
在接下来的步骤中,每一侧都分成更小的重叠的条带(图1b),也就是将每一条带移动到0,估计其强度分布。
Sc,i={sc,iL,j+sc,iR,j丨1≤j≤M}
在sc,iL,j,sc,iR,j分别表示j条带的左边子图像和右边子图像SIr和M是条带的数量。条带与设置在图像显示在带子图像的子图像分别与M带之间,代表一个未知的图像条在测定所有的训练集计算,找到相应的图像分别用条带比较。因此,如果每一条带有一定数量的关联信息,它的上部和下部的邻居也被计算。交互信息和K的变化由下式子给出。Ic,ik=MI(Sxk,sc,i)
下标k显示的数量转变,为每个双侧图像交互信息的熵值。这些值的平均互信息作为代表两个图像在2k+1之间变化,交互信息代表了最高的熵值,推断目标的两个图像是具有相似性。如果有一个以上的图像每在训练类的计算图像属于某类之间。最后,图像确认为属于一类具有最高的相似性。
四、实验结果
在实验中使用AT&T人脸数据库。该数据库包含400个不同的40个人的图像各10幅。图像的大小是112×92,图像分为50像素的宽度,两个子图像,有8像素重叠。条带的高度设置为8像素,和它们之间的重叠5像素。由每条有400像素产生估计PDF。PDF被定义为与不同数量的条带的强度直方图。为了找到最佳匹配,相邻条带的每一侧,数K被设置为2。在此k值条件下,可检测高达6像素的同侧上的位移。在实验中,对分类率设置了两个不同的影响参数;(1)PDF估计的标签数;(2)训练集样本数。
该算法在MATLAB中实现和执行60次。结果平均值显示该标签数对分类率有显著效果。在这项研究中显示,最好的结果是获得标签数为 20。原因是,标签的数目给出一个准确的估计的PDF文件与一个较大的标签数使分布过于离散,从而对估计精度存在负面影响。对于太少量的标签很差的结果,与太大的标签数的结果也非最佳标签值。准确率在训练集样本为48.72%。
五、结论
本文设计了一种基于交互信息作为相似性测度的图像识别方法并进行实验。在该方法中,图像被划分成更小的重叠条,这些条及其相互之间的信息计算了在其它图像条带。同时,为了减少光照变化的影响在不同的图像,并使每个条带的平均移动值为0。为PDF得到一个更好的理解估计,使用不同数量的标签了。这种算法的主要优点是通过分析分别对左图像的右侧照明的效果,大大降低了光照变化类条件对强度分布的影响。同时,利用交互信息作为图像的小部分之间的相似性度量进行局部检测,并结合简单的投票策略取得了较高的准确率。
参考文献:
[1]周杰。人脸自动识别方法综述[J].电子学报,2000,28:104-105.
[2]P.N.Belhumeur et al.IEEE Trans.PAMI,1997,19:711-720.
[3]Cover,T.M.,Thomas,J.A.:Elements of Information Theory.Wiley,Chichester,1991.
[作者简介]吴宪君(1981-),男,广东茂名人,广东石油化工学院,讲师,硕士,研究方向:图像处理。 |