2.2.1 Surf匹配

人脸库中的图像多为 RGB 图像，这类 RGB 图像的本质是一个三维数组，其像素点皆可由图像的R、G、B三个分量表示。因此基于这种情况，则可以省去灰度化的过程直接进行伪素描生成的矢量运算。

这里设r、g和b是RGB彩色空间沿R、G、B轴的单位矢量，定义如下：

由式（2.13）和式（2.14），根据矢量点积运算，得

通过式（2.15）可以确定最大变化率方向

且在该方向上，变化率的值（如梯度值）便可由下面公式求得

这是对整个RGB图像进行的描述，另外结合边缘检测便可以得到只针对重要人脸轮廓部位的梯度值图。以 CUHK 数据库中人脸为例，RGB 人脸图像经过上述边缘梯度增强运算得到伪素描图（以RS表示，对应的数据库为RS库），如图2.14所示。

基于原始素描的伪素描生成，顾名思义，就是把画家作品通过一定的算法转换为类似于原作品的伪素描作品。这里不同于RGB图像，而是利用已有的素描人脸图像直接得到。具体过程为：对素描人脸图像采用Canny算子[27]进行梯度边缘检测，之后对检测完毕的图像运用像素减法，从而得到伪素描图像。转化结果如图2.15所示，第一行为原始素描，第二行为Canny检测图像，第三行为结合像素减法的伪素描图（以OS表示，对应的数据库为OS库）。

图2.14 RGB人脸图像及其转化后的伪素描图

图2.15 基于原始素描的伪素描图像

这里，对RS库和OS库中的相同人脸采用Surf算法进行特征点提取的效果并不理想，原因是伪素描图像存在纹理模糊、噪点较多等问题。因此，针对这种现象，需要采用滤波法对图像进行必要的预处理。

这里使用3种常见滤波器，分别为高斯滤波器、中值滤波器和Dog（Different of Gaussian）滤波器[28]进行处理，对比图如图2.16所示。

图2.16 滤波器分析

如图 2.16 所示，高斯滤波器相较于其他两种滤波器的滤波效果较为明显，因此以后的匹配识别实验均采用高斯滤波器进行处理。将相同人的 RS 图像和OS图像使用Surf算法提取特征点对，得到实验结果如图2.17所示。

图2.17 两类伪素描匹配示例

对图 2.17 进行分析可得出以下两条结论：①从丰富的匹配点对可以看出Surf 算法确实达到了较为优秀的匹配结果，这也体现了该算法在素描识别领域的有效性；②由图2.17也能轻易地发现，众多的匹配点并不像想象中的那么令人满意，仍然存在着匹配明显错误的情况，即在两个特征点的坐标位置明显不对应的情况下也出现了成对的匹配点，这是由于画家为了追求艺术效果在进行素描绘画时突出或者削弱某些人脸信息所造成的，这类情况将明显影响人脸识别的准确率，大大缩小Surf算法的使用范围。