[发明专利]一种基于分数阶微积分的人脸检测图像预处理方法

权利要求书

1.一种基于分数阶微积分的人脸检测图像预处理方法，其特征在于，所述的方法包括下列步骤：

对待处理的噪声图像通过Otsu最大类间方差法结合噪声点概率预估值进行噪声点分割；

采用阶数自适应的分数阶积分对分割出的噪声点充分滤波；

采用阶数自适应的分数阶微分对其他像素点进行图像增强；

提取图像特征，通过Viola-Jones算法从图像中提取出人脸信息。

2.根据权利要求1所述的一种基于分数阶微积分的人脸检测图像预处理方法，其特征在于，所述的对待处理的噪声图像通过Otsu最大类间方差法结合噪声点概率预估值进行噪声点分割具体包括：

通过计算图像中黑白像素数量来计算图像的噪声点参考分割阈值；

通过对全图像的梯度矩阵求Otsu最大类间方差来计算噪声点参考梯度阈值；

对上述方法求得的梯度阈值针对具体图像限定范围，将其中唯一满足该范围的值作为梯度阈值，若均满足，则以二者平均值作为阈值，若均不满足，则以该范围的中间值作为梯度阈值。

3.根据权利要求1所述的一种基于分数阶微积分的人脸检测图像预处理方法，其特征在于，所述的采用阶数自适应的分数阶积分对分割出的噪声点充分滤波和所述的采用阶数自适应的分数阶微分对其他像素点进行图像增强的操作中，选用的分数阶掩膜由G-L定义的分数阶形式构造，掩膜大小由图片大小决定。

4.根据权利要求1所述的一种基于分数阶微积分的人脸检测图像预处理方法，其特征在于，所述的采用阶数自适应的分数阶积分对分割出的噪声点充分滤波的操作中图像滤波选用的自适应分数阶积分阶次为

v=(-1)×12(Gradnoise(i,j)+Gradnoise_max)-Gradnoise_minGradnoise_max-Gradnoise_min]]>

其中Grad_noise为所分割出噪声点的梯度值，Grad_{noise_max}为噪声点梯度最大值，Grad_{noise_min}为噪声点梯度最小值。