滤波处理，生成N*M个人脸整 体的初始纹理图像、N*M个眉毛眼睛的初始纹理图像及N*M个嘴巴的初始纹理图像。
[0081] 本实施例通过将2D-Gabor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，并通过对提取的最显著和最有利于识别的面部器官的局 部图像进行2D-Gabor滤波处理，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。
[0082] 上述第一至第二实施例的提取人脸纹理的方法的执行主体均可以为人脸纹理提 取设备或与人脸纹理提取设备信号连接的人脸识别设备。更进一步地，所述提取人脸纹理 的方法可以由安装在人脸纹理提取设备或人脸识别设备上的客户端检测程序实现。
[0083] 本发明进一步提供一种提取人脸纹理的装置。
[0084] 参照图6,图6为本发明一种提取人脸纹理的装置的较佳实施例的功能模块示意 图。
[0085] 在本实施例中，所述装置包括：读取模块10、滤波模块20、分组模块30及提取模块 40 〇
[0086] 读取模块10,用于读取人脸图像；
[0087] 滤波模块20,用于对所述人脸图像进行2D-Gabor滤波处理，生成多个初始纹理图 像；
[0088] 读取待提取人脸纹理特征的人脸图像，所述人脸图像可以是进行人脸识别过程 中待识别的人脸图像，也可以是用于比对的样本图像，或者也可以是其它待提取人脸纹理 的人脸图像。所述初始纹理图像，可以是一个或者一个以上的初始纹理图像，优选的，以图 像矩阵的形式进行表示。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M(M为正整数） 个尺度进行2D-Gabor滤波处理，生成N*M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。应当理解的是，对所述人脸进行2D-Gabor滤波处 理，并不限于对所述人脸图像整体进行2D-Gabor滤波处理，也可以是对所述人脸的局部图 像进行2D-Gabor滤波处理，或者对所述人脸图像整体及所述人脸图像的局部图像分别进 行2D-Gabor滤波处理。例如：对所述人脸图像整体在N个方向Μ个尺度进行二维2D-Gabor 滤波处理，生成N*M个初始纹理图像；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*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。
[0089] 分组模块30,用于对所述多个初始纹理图像进行平均分组；
[0090] 优选的，参照图7,所述分组模30包括排序单元31及划分单元32 ;所述排序单元 31，用于将相同方向的初始纹理图像按尺度进行排序；所述划分单元32,用于将相同方向 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*N*M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N* (M/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N*(M/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N个方向Μ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，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N*(M/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 N*(M/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N* (M/2)个嘴巴初始纹理图像组。
[0091] 提取模块40,用于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。
[0092] 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N(N为正整数）个方向M(M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N*(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8,图8为所述提取模块40的 较佳实施例的功能模块示意图，所述提取模块40包括分解单元41、确定单元42和组合单元 43 ；
[0093] 分解单元41，用于将各组内的每一初始纹理图像平均分解为图像块；
[0094] 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。
[0095] 确定单元42,用于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；
[0096] 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。
[0097] 组合单元43,用于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。
[0098] 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