文章在对传统人脸识别系统图像处理方法及其特点进行分析比较的基础上,针对多姿态人脸识别技术的要求,提出了适合多姿态人脸识别的人脸图像处理方法。对其中的人脸图像标准化方法、归一化处理和由单视图生成多姿态人脸图像等关键技术进行了重点探讨。主要工作如下:人脸图像的标准化方法在传统的积分投影法的基础上,提出了两种改进算法:一是基于小波分解的人脸标准化方法;一是基于肤色模型的人脸标准化方法。前者是将传统的积分投影法与小波分解相结合实现人脸图像的标准化。与传统的积分投影方法相比,同样具有算法简单,容易实现的优点,速度提高了约3倍。但是,此算法同样对获得的人脸图像有较高的要求,对人脸姿态也比较敏感,只适用于正面或有轻微旋转的灰度人脸图像。由于在自然态环境下拍摄的人脸图像大部分都无法满足应用积分投影法的前提条件,为了达到对自然态环境下拍摄的人脸图像进行标准化,后者利用数字图像的颜色信息,提出了基于肤色模型的人脸标准化方法。通过该方法基本能做到不受人脸旋转或侧转的影响,克服了积分投影法对姿态敏感的缺点,同时在速度上也有一定的提高。该方法在实际应用中,特别是在自然态人脸识别过程中具有更广的适用范围。(2)归一化处理包含灰度归一化和尺寸归一化两部分。对于灰度归一化,是采用直方图匹配的方法来实现的;对于尺寸归一化,首先定位人眼,其次矫正平面内的旋转,然后以双眼中心为基点,以双眼的距离为标准,进行裁剪得到大小为1.7d×1.7d的图像(其中d是双眼的距离),最后以缩放倍数为1.7d/64对裁剪图像进行缩放(规定标准图像的大小为64×64像素点)从而实现尺寸归一化。(3)由单视图生成多姿态图像首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形<WP=4>映射生成多姿态人脸图像。但是在研究的整个过程当中,由于实验条件所限,所有图像的拍摄角度很难精确获得。因而在由单视图生成多视图算法中只能对结果进行定性的分析而无法作定量分析。