黄玉，　张英俊，　潘理虎,2

(1.太原科技大学 计算机科学与技术学院， 山西 太原　030024；

2.中国科学院 地理科学与资源研究所， 北京　100101)



基于Shearlet变换的井下图像差异性特征提取方法

黄玉1，张英俊1，潘理虎1,2

(1.太原科技大学 计算机科学与技术学院， 山西 太原030024；

2.中国科学院 地理科学与资源研究所， 北京100101)

摘要：针对井下收集的人脸图像易受煤尘干扰且一般特征提取方法对噪声较敏感的问题，提出一种基于Shearlet变换的井下图像差异性特征提取方法。首先利用Shearlet变换将图像进行多尺度多方向分解，然后对同一尺度的各方向子图利用实部特征进行编码融合，进而根据各尺度子图的Shannon熵值赋予不同权值进行再融合，最后对低频子图和融合后的高频子图利用Shearlet逆变换重构得到差异性图像。实验结果表明，该方法具有较好的客观评价指标与主观效果。

关键词：煤矿考勤； 人脸识别； 特征提取； Shearlet变换； 特征编码； Shannon熵

0引言

精确高效的煤矿考勤是安全管理中的一个紧要工作。与一般公共场所不一样，煤矿生产环境存在煤尘、粉尘、噪声等各种干扰[1-2]，监控识别难度加大。虽然井下人脸易受到污染，但人脸轮廓、特征等相对变化不大，因此，将直接、友好的人脸识别技术应用于煤矿井下人员考勤是目前的研究热点[3]。

人脸识别可分为图像预处理、人脸检测、特征提取和分类识别4个过程，其中特征提取是人脸识别过程的关键。特征提取即从检测出的人脸图像中提取出可以区分不同个体的差异性特征，这就要求这些特征对于同一个体是稳定的，而对于不同的个体又是具有鉴别性的。……