基于CONTOURLET变换的人脸特征提取方法

由于采集得到的人脸图像，往往不是正面的，人脸可能是正面的，可能是侧脸，也有可能有一定程度的遮挡，因此，在提取特征数据的时候，需要考虑到人脸图像的各个方向的信息，水平方向，垂直方向和对角方向。CONTOURLET轮廓波变换[30]最早是由M.N.D.和Vetterli M.在2002年提出的，图像在CONTOURLET变换域，可以较好的表现图像的一些细节信息和边缘信息。此外，CONTOURLET变换其还具有较低的冗余度，从而可以进行快速的仿真实现，并且在一定程度上能够克服图像光照，噪声等外部因素的影响。

CONTOURLET变换，其主要原理是通过“滤波器组”的结构来实现，该滤波器组在结构上是一个双重滤波器组，该滤波器组是由LP拉普拉斯塔形分解滤波器组和DFB方向滤波器组组成的。CONTOURLET变换的流程为对图像进行分解，得到一个低频分量和多个高频分量。然后对图像第一次CONTOURLET变换后得到的低频分量进行第二次CONTOURLET变换，从而实现图像的多方向、多尺度分解。其中CONTOURLET变换的流程图如下图所示：

       的结构图可知，LP分解的结构图中每一层的处理环节，都是以一个低通滤波器来实现的，然后结合下采样处理后得到相应的低频分量，然后对该低频分量进行上采样处理和低通滤波，从而得到原始信号的预测信号。CONTOURLET变换的性能优势在于变换后的特征信息具有多方向性、多分辨率和各向异性等特点，另外一方面，CONTOURLET的基函数主要集中在多尺度、多方向上。因此，通过少量的变换域系数即可获得图像的特征信息。

     仿真结果为人脸图像的2级CONTOURLET变换的分解示意图。从图2.9仿真结果可知，CONTOURLET变换的第一层进行的是小波变换，通过小波变换可以得到四个方向的子带特征信息；CONTOURLET变换的第二层进行的是八个方向的DFB滤波，通过DFB滤波可以得到八个方向的子带特征信息。

从上面的分析可知，CONTOURLET变换在本质上是一种特殊的小波变换，通过CONTOURLET变换可以获得人脸图像的低频特征信息和高频特征信息，其中人脸图像的低频区域包含了原有的人脸图像信息；人脸图像的高频区域中，水平信息含有眼睛、嘴巴等水平方向上变化较为明显的特征信息；人脸图像的垂直区域中包含有鼻子、脸庞轮廓等垂直方向上变化较为明显的特征信息；人脸图像的对角信息含有综合类特征信息。

但是CONTOURLET变换的图像特征信息存在如下几个方面的缺陷：

第一、图像获得CONTOURLET变换的计算效率降低，只是有图像的CONTOURLET变换需要通过多次的变换才可以获得图像的特征信息，在计算上耗时较大，因此计算效率较低。

第二、基于CONTOURLET变换获得的特征信息，对于一些细节信息的提取存在一定的缺陷，这是由于CONTOURLET变换需要通过降采样步骤和上采样步骤。

A-05-40