3.非线性平滑滤波

　　非线性平滑滤波的典型方法为中值滤波。中值滤波器的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。图5所示为在MATLAB中采用不同的中值滤波模板对含噪图像如图5(a)进行中值滤波的效果图。对比5图(b)和(c)可以得到，5*5的模板去噪效果比3*3的模板效果好。

4.图像变换

　　图像变换就是把图像从空间域转换到变换域(如频率域)的过程。将图像转换到新的空间，显现出一些新的'特性，方便特征提取，使图像处理过程更加简单有效。图像变换的方法很多，如：离散傅里叶变换、离散余弦变换、哈达玛变换、小波变换等。其中傅里叶变换是一种较为典型的频域变换技术。利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域后，较为复杂的人脸图像可以简单地用振幅谱来表征，人脸图像在频率域中，计算简便，能量相对集中。

　　在变换域中实现图像增强的步骤如下：

　　(1)计算需增强的图像的傅里叶变换F(u,v);

　　(2)将其与一个(根据需要设计的)转移函数H(u,v)相乘;

　　(3)再将结果G(u,v)傅立叶反变换得到增强的图像。

　　以傅里叶变换为例，介绍其在频域中实现平滑滤波。在MATLAB中实现从空域到变换域的代码如下：

　　f=fft2(image);%将image图像进行快速傅里叶变换

　　g=fftshift(f);% 将傅里叶变换结果进行移中

　　由于边缘和噪声都对应图像傅里叶频谱中的高频部分，所以通过在频域中的低通滤波可以除去或消弱噪声的影响。要实现低通滤波首先需要选择一个合适的转移函数H(u，v)。在诸多低通滤波器中，Buterworth低通滤波器“振铃”现象不明显，而且能够提高图像的细节清晰度，这里以Buterworth低通滤波器为例对图像进行平滑滤波。一个阶为n，截断频率为D0的巴特沃斯低通滤波器的转移函数为：

　　H(u,v)=11+[D(u,v)/D0]2n待处理图像如图6(a)所示，从该图中可以看出图像中有噪声的干扰，Buterworth低通滤波器设置如下：n=3，截断频率为20。图6(b)所示为低通滤波效果图。

　　对比图6(a)和(b)可以发现，Buterworth低通滤波器对噪声的滤除效果很好，不过同时也使图像变得模糊了。

　　总之，人脸识别具有无可比拟的优越性，近几十年来得到飞速发展，比如近年来出现了基于近红外图像的人脸识别，许多有效实用的人脸识别系统也脱颖而出，并且被广泛应用于海关、机场、金融机构等安全性要求较高的重要场所。人脸识别有着广阔的应用前景，不仅是模式识别、计算机视觉和人工智能等领域的一个热门的研究课题，同时，人脸识别又是一个难度极大的课题，如人脸识别中的光照问题，姿态问题，表情问题等，这也是作者进一步研究的重点。