D-Gabor滤波处理， 生成2*N*M个初始纹理图像；或者对所述人脸图像整体、包含眼睛眉毛的局部图像及包含 嘴巴的局部图像，分别进行N个方向Μ个尺度的二维2D-Gabor滤波处理，生成3*N*M个初 始纹理图像。
[0060] 步骤S30,对所述多个初始纹理图像进行平均分组；
[0061] 将相同方向的初始纹理图像按尺度进行排序；将相同方向相邻尺度的两个初始纹 理图像划分为一组，依次进行平均分组。可以将相同方向相邻尺度的两个初始纹理图像划 分为一组，也可以按照将两个以上的初始纹理图像划分为一组的方式进行平均分组。例如： 对所述人脸图像整体在N(N为正整数）个方向M(M为正整数）个尺度进行二维2D-Gabor 滤波处理，生成N*M个初始纹理图像，将相同方向的初始纹理图像按尺度进行排序，将相同 方向相邻尺度的两个初始纹理图像划分为一组，依次进行平均分组，将各方向的第一个初 始纹理图像和第二个初始纹理图像分为一组，将各方向的第三个初始纹理图像和第四个初 始纹理图像分为一组，以此类推得到N*(M/2)个初始纹理图像组；或者，对所述人脸图像的 局部图像，如包含眼睛眉毛的局部图像及包含嘴巴的局部图像，分别在N个方向Μ个尺度 进行二维2D-Gabor滤波处理，生成2*Ν*Μ个初始纹理图像，将眼睛眉毛的初始纹理图像的 相同方向相邻尺度的两个初始纹理图像划分为一组，依次进行平均分组，得到Ν*(Μ/2)个 眼睛眉毛初始纹理图像组，将嘴巴的初始纹理图像的相同方向相邻尺度的两个初始纹理图 像划分为一组，依次进行平均分组，得到Ν*(Μ/2)个嘴巴初始纹理图像组；或者，对所述人 脸图像整体、包含眼睛眉毛的局部图像及包含嘴巴的局部图像，分别进行Ν个方向Μ个尺 度的二维2D-Gabor滤波处理，生成Ν*Μ个人脸整体的初始纹理图像、Ν*Μ个眼睛眉毛的初 始纹理图像及Ν*Μ个嘴巴的初始纹理图像，将人脸整体的初始纹理图像的相同方向相邻尺 度的两个初始纹理图像划分为一组，依次进行平均分组，得到Ν*(Μ/2)个人脸整体的初始 纹理图像组，将眼睛眉毛的初始纹理图像的相同方向相邻尺度的两个初始纹理图像划分为 一组，依次进行平均分组，得到Ν*(Μ/2)个眼睛眉毛初始纹理图像组，将嘴巴的初始纹理图 像的相同方向相邻尺度的两个初始纹理图像划分为一组，依次进行平均分组，得到Ν* (Μ/2) 个嘴巴初始纹理图像组。
[0062] 步骤S40,分别从每组初始纹理图像中提取特征图像，并输出所述特征图像。
[0063] 分别从每组的初始纹理图像中提取出最能代表人脸纹理特征的特征图像，并将 所述特征图像输出。例如：对所述人脸图像整体、包含眼睛眉毛的局部图像及包含嘴巴的 局部图像，分别进行Ν(Ν为正整数）个方向Μ(Μ为正整数）个尺度的二维2D-Gabor滤波处 理，生成N*M个人脸整体的初始纹理图像、N*M个眼睛眉毛的初始纹理图像及N*M个嘴巴的 初始纹理图像，对所述初始纹理图像按照将相同方向相邻尺度的两个初始纹理图像划分为 一组的方式进行平均分组，分别得到N*(M/2)个人脸整体的初始纹理图像组、（N*M)/2个眼 睛眉毛初始纹理图像组及Ν* (M/2)个嘴巴初始纹理图像组，分别从每组的初始纹理图像中 提取出最能代表人脸纹理特征的特征图像，得到N*(M/2)个人脸整体的特征图像，N*(M/2) 个眼睛眉毛的特征图像及N*(M/2)个嘴巴的特征图像。参照图2,可以通过如下步骤实现：
[0064] 步骤S401，将各组内的每一初始纹理图像平均分解为图像块；
[0065] 可以将各组内的初始纹理图像在高度方向上平均分为i (i为正整数）份，宽度方 向上平均分为j (j为正整数）份，每个初始纹理图像分解得到i*j个图像块，所述高度方向 为所述初始纹理图像的垂直方向，所述宽度方向为所述初始纹理图像的水平方向，优选的， 将每个初始纹理图像分解得到的i*j个图像块以i行j列的图像矩阵表示。
[0066] 步骤S402,确定每组内相同位置像素值最大的图像块，作为特征图像块；
[0067] 确定每个图像块的像素值，优选的，确定每个图像块的像素值的过程可以是，逐个 查询所述图像块每个像素点的像素值，取像素值最大的像素点的像素值作为所述图像块的 像素值。将每组中，相同位置的图像块的像素值进行比对，取像素值最大的图像块作为特征 图像块。例如：在一个初始纹理图像组中有第一初始纹理图像和第二初始纹理图像，将这两 个初始纹理图像平均分解为i*jα为正整数，j为正整数）个图像块，即，将初始纹理图像 的高平均分为i等份，将初始纹理图像的宽平均分为j等份。确定每个图像块的像素值，逐 个查询所述图像块每个像素点的像素值，取像素值最大的点的像素值作为所述图像块的像 素值。将第一初始纹理图像的第i行第j列图像块的像素值与第二初始纹理图像的第i行 第j列图像块的像素值进行对比，取像素值最大的图像块作为特征图像块。每组得到i*j 个特征图像块。
[0068] 步骤S403,将每组的特征图像块组合成特征图像，并输出所述特征图像。
[0069] 将每组中的特征图像块按预设顺序排列组合成特征图像，并输出所述特征图像。 例如：从初始纹理图像的第i α为正整数）行第j (j为正整数）列提取出来的特征图像块， 则排在特征图像的第i行第j列，以此类推进行特征图像的组合，将所述特征图像作为代表 人脸纹理特征的图像输出。
[0070] 本实施例通过将2D-Gab〇r滤波处理生成的多个初始纹理图像平均分组，并从各 组初始纹理图像中提取特征图像，剔除了初始纹理图像中的一些不重要的纹理特征，使得 提取的人脸纹理特征更加突出，有利于识别处理。
[0071] 参照图3,图3为本发明提取人脸纹理的方法的第二实施例的流程示意图。基于上 述提取人脸纹理的方法的第一实施例，所述步骤S20包括：
[0072] 步骤S21，从所述人脸图像中提取含有面部器官的局部图像；
[0073] 读取人脸图像，从所述人脸图像中提取含有面部器官的局部图像，所述面部器官 包括眼睛、眉毛、鼻子或嘴巴等。可以从所述人脸图像中提取出含有眼睛、眉毛、鼻子或嘴巴 等面部器官其中一种的局部图像进行处理；也可以从所述人脸图像中提取出含有眼睛、眉 毛、嘴巴或鼻子等面部器官的一种以上的局部图像进行处理。优选的，从所述人脸图像中提 取出含有眼睛眉毛、嘴巴的局部图像，在进行人脸表情识别过程中，眼睛、眉毛和嘴巴部位 的纹理特征更有利于区别不同人表情的不同人脸的纹理信息。
[0074] 参照图4及图5,从所述人脸图像中提取含有面部器官的局部图像的过程可以通 过如下较佳实施例实现：
[0075] 步骤S211，按照预设比例确定所述人脸图像中含有面部器官的图像区域；
[0076] 由于不同人脸图像的人脸比例不同，为了能够获取不同人脸图像中含有面部器官 的图像区域，所述预设比例优选为获取较大范围的含有面部器官的图像的比例，例如：所述 预设比例为大于传统的三庭五眼的比例，以所述人脸图像# Η卞·为幽标?占·睛眉毛的 图像区域为
I巴的图像区域为
I所述w 为所述人脸图像的宽，所述h为所述人脸图像的高。
[0077] 步骤S212,从所述图像区域中提取含有眼睛、眉毛和/或嘴巴的局部图像。
[0078] 从所确定的眼睛眉毛的图像区域中提取眼睛眉毛的局部图像，从所确定的嘴巴的 图像区域中提取嘴巴局部图像，例如：所述眼睛眉毛局部图像的大小为
：:所述 嘴巴局部图像的大小戈
所述w为所述人脸图像的宽，所述h为所述人脸图像 的尚。
[0079] 步骤S22,对所述人脸图像整体及所述局部图像分别进行2D-Gabor滤波处理，生 成多个初始纹理图像。
[0080] 所述2D_Gabor滤波处理可以是一维2D_Gabor滤波处理，也可以是二维2D_Gabor 滤波处理，所述二维滤波处理包括在N(N为正整数）个方向Μ (Μ为正整数）个尺度进行 2D-Gabor滤波处理，生成Ν*Μ个初始纹理图像。在本实施例中，优选为对所述人脸图像进行 二维2D-Gabor滤波处理。例如：对所述人脸图像整体、包含眼睛眉毛的局部图像及包含嘴 巴的局部图像，分别进行N个方向Μ个尺度的二维2D-Gabor