论文摘要：红外图像脸部特征自动定位及分区算法的研究

人脸的描述和特征识别是计算机视觉、模式识别和生物识别技术的研究热点之一，其在高安全性部门的警戒、入口控制、保密等领域有着广阔的应用前景。目前已有的人脸特征识别的研究和应用主要是针对可见光图像，而红外线成像具有抗干扰性强、独立于可见光源、包含温度信息等优点，适合于医学应用。红外人脸图像是由人脸组织与结构，如血管和血管分布等决定的，它们如同指纹一样与人的基因结构有关，具有唯一性，且不受光照等因素影响，并包含有大量的生理温度信息。正常人体是一个代谢基本平衡的热辐射体，若某一区域的新陈代谢出现代谢异常活跃或减低，则提示该部位组织细胞发生了异常，因此人体各个部位的热分布状态可能反映出不同器官在功能性乃至器质性的病理改变。本论文在深入研究红外人脸图像特征的基础上，系统研究了红外图像人脸特征定位及面部自动分区算法，为利用红外图像提取和分析人体面部温度分布及进一步进行医学自动诊断奠定基础。论文首先对现有的人脸识别方法在红外图像人脸识别中的应用进行了全面的论述和分析。在此基础上，从红外图像成像机理入手，研究了红外人脸图像的特性和红外人脸图像中可用于识别的主要特征，对影响红外图像识别性能的相关因素做了深入的分析。研究表明，相对于其它医学图像，红外医学图像虽然具有噪声大、分辨率低的特点，但是其中包含的温度信息可以用于人脸特征识别。论文针对红外正面脸部图像，研究了一种无监督的局部和全局的特征提取算法。首先通过阈值法分割出图像的前景和背景，并根据面部特征的对称性在前景中确定鼻区；然后在面部确定一个包含所有特征的矩形区域，利用Harris算子在该区域检测出角点，并找出这些点的局部最大值点；最后用K-means方法对这些点进行聚类，并根据聚类结果确定人脸的特征部位。100幅临床图像的实验表明，该方法可实现红外人脸图像中眼、鼻、口的自动定位，并能够准确划分脸部的特征区域，正确率达到90%。本文所建立的算法，可简捷、快速地实现红外图像面部特征自动定位，且重复性较好、可信度较高。