3.2.4  人脸对比度评估    12
3.2.5  人脸亮度评估    13
3.2.6  总得分    14
4 人脸图像品质评估算法实现    15
4.1  人脸尺寸评估实验    15
4.2  基于显著点的人脸姿态评估实验    16
4.3  人脸光照对称性评估实验    19
4.4  人脸对比度评估实验    20
4.5  人脸亮度评估实验    21
结  论    23
致  谢    24
参考文献25
1  引言
1.1  背景
最近这些年，安全可靠的身份识别变得尤为重要，很多领域开始使用身份识别工具，而这些识别依据大都是与人体相关的生物特征。脸部作为识别身份的一个重要依据，变得越来越得到人们的关注。目前很多安防领域都可以应用人脸识别，比如身份认证、楼宇安全控制、重要场所中的监控和信息安全领域(计算机的登录控制，应用程序安全使用、数据库安全访问和文件加密，实现局域网和广域网的安全控制，保护电子商务的安全性)[1]等等。
就目前研究情况而言，人脸作为最为普遍和自然的模式特征，在社交中发挥着非常重要的作用。就日常生活而言，通过人脸，我们可以轻易地辨识人的身份、年龄以及心情状况。而对于安全方面，相较于传统意义上的身份识别，例如钥匙、证件、密码这些易于造假和泄露，又无法可靠的验证人的身份的东西。人体的生物特征是唯一稳定的，不是可以轻易造假就能完全复制实现的。鉴于人脸识别技术的相关优点[2]，比如图像易采集性（采集成本低、非直接接触、可远距离拍摄、可隐藏拍摄）、无侵犯性、符合人脸辨识习惯等，这些优势使这门技术可以拥有广泛的应用领域和应用背景。也是因为图像容易采集，不需要测试者的合作，导致采集人脸图像时随意性很大，各个图像也存在很大差异，使得获取的图片质量差强人意。在做人脸识别时，采用低品质的人脸图像一定会造成准确率下降的情况。从研究开始，人脸识别就是在已经准备好的人脸图库上开展研究的，但这距离实际应用情况是非常遥远的。所以即使在实验中得到令人满意的结果，在实际应用中会差强人意。由于这个原因，有很多研究者开始针对各种可能发生的情况进行调研，虽然获得了很大进展，但距实际应用还是很远的。在对低品质的图像进行处理时，如果额外的使用别的处理方法，可能会使人脸识别的复杂度提高，耗时较长。相对的，很难获得不受图像品质影响的人脸识别算法。因此，我们必须研究新的解决方法。
一般情况下，评估图像品质关键在于：比对原图，怎样客观评估复原的图像品质。相对的，怎样从一组拍摄的图像当中，依据图像评估准则，找出合适的图片来进行人脸识别。如果实现该算法，人脸识别准确率会显著提高。
1.2  国内外研究现状
1.3  图像品质评估方法的展望
目前图像品质评估的研究热点就是客观评估法。而针对这一问题的分析，基于人类视觉系统的生理特征方法和基于结构失真的方法研究的角度是不同。即使不同，但各有千秋。整理该领域的相关算法，可以发现以下问题很有研究的价值：
（1）联合 SSIM 与 HVS 特征评价方法[7]。
（2）生成多指标[8]的图像品质评估模型。单一的指标一般情况下只能评估人脸图像的整体品质情况，会忽略局部的细微的情况。所以，多指标的图像品质评估模型值得研究。
（3）降低图像品质评估模型对图像库的依赖度[9]。现在很多的研究人员开始转向研究无参考评估模型，将来也会成为一种发展趋势。 基于显著点的人脸图像品质评估算法(2):http://www.youerw.com/jisuanji/lunwen_30011.html