【正文】 真軟件 Matlab，介紹了在人臉圖像識(shí)別過(guò)程中所需要的圖像處理技術(shù)，包括：一些基本操作、格式轉(zhuǎn)換、圖像增強(qiáng)等。并做了一個(gè) Matlab 圖像處理功能的實(shí)例 第三章主要始涉三個(gè)方面：首先是對(duì)人臉識(shí)別系統(tǒng)的構(gòu)成做詳細(xì)論述；其次就是對(duì)人臉 識(shí)別過(guò)程中的關(guān)鍵環(huán)節(jié)人臉檢測(cè)、特征提取和圖像預(yù)處理做詳細(xì)介紹；最后就是 Matlab 在人臉識(shí)別系統(tǒng)中的具體應(yīng)用，即人臉圖像識(shí)別的具體技術(shù)，并用 Matlab 進(jìn)行仿真試驗(yàn)并得到結(jié)果。 第四章是對(duì)人臉圖像識(shí)別體系構(gòu)架的設(shè)計(jì)，并給出了人臉識(shí)別用到的理論知識(shí)即直方圖差異對(duì)比，并編寫(xiě) matlab 代碼實(shí)現(xiàn)人臉圖像識(shí)別。 7 第五章總結(jié)了全文的工作并對(duì)以后的需要進(jìn)一步研究的問(wèn)題進(jìn)行了展望。 第二章 圖像處理的 Matlab 實(shí)現(xiàn) Matlab 簡(jiǎn)介 由 Math Work 公司開(kāi)發(fā)的 Matlab 語(yǔ)言語(yǔ)法限制不嚴(yán)格 ,程序設(shè)計(jì)自由度 大 ,程序的可移植性好。 Matlab 還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱 ,常用的有圖像處理工具箱、小波分析工具箱及數(shù)字信號(hào)處理工具箱。利用這些工具箱 ,我們可以很方便的從各個(gè)方面對(duì)圖像的性質(zhì)進(jìn)行深入的研究。 Matlab 圖像處理工具箱支持索引圖像、 RGB 圖像、灰度圖像、二進(jìn)制圖像并能操作 .bmp、 .jpg、 .tif 等多種圖像格式文件。 數(shù)字圖像處理及過(guò)程 圖像是人類(lèi)獲取信息、表達(dá)信息和傳遞信息的重要手段。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理 。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計(jì)算機(jī)科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。 圖像處理的基本操作 讀取和顯示圖像可以通過(guò) imread()和 imshow()來(lái)實(shí)現(xiàn) 。圖像的輸出用 imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤(pán)上 。另外還可以用 imcrop()、 imrisize()、 8 imrotate()等來(lái)實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。 圖像類(lèi)型的轉(zhuǎn)換 Matlab 支持多種圖像類(lèi)型 ,但在某些圖像操作中 ,對(duì)圖像的類(lèi)型有要求 ,所以要涉及到對(duì)圖像類(lèi)型進(jìn)行轉(zhuǎn)換。 圖像處理工具箱為我們提供了不同圖像類(lèi)型相互轉(zhuǎn)換的大量函數(shù) ,如 mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像 ,rgb2gray()轉(zhuǎn)換 RGB 圖像或顏色映像表為灰度圖像。在類(lèi)型轉(zhuǎn)換的時(shí)候 ,我們還經(jīng)常遇到數(shù)據(jù)類(lèi)型不匹配的情況 ,針對(duì)這種情況 , 工具箱中 ,也給我們提供了各種數(shù)據(jù)類(lèi)型之間的轉(zhuǎn)換函數(shù) ,如 double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類(lèi)型的函數(shù)。 圖像增強(qiáng) 圖像增強(qiáng)的目的是為了改 善圖像的視覺(jué)效果 ,提高圖像的清晰度和工藝的適應(yīng)性 ,以及便于人與計(jì)算機(jī)的分析和處理 ,以滿足圖像復(fù)制或再現(xiàn)的要求。圖像增強(qiáng)的方法分為空域法和頻域法兩大類(lèi) ,空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行操作 。而頻域法是在圖像的某個(gè)變換域內(nèi)對(duì)整個(gè)圖像進(jìn)行操作 ,并修改變換后的系數(shù) ,如傅立葉變換、 DCT 變換等的系數(shù) ,然后再進(jìn)行反變換 ,便可得到處理后的圖像。下面以空域增強(qiáng)法的幾種方法加以說(shuō)明。 (1).灰度變換增強(qiáng) 有多種方法可以實(shí)現(xiàn)圖像的灰度變換 ,其中最常用的就是直方圖變換的方法 ,即直方圖的均衡化。這種方法是一種使輸出圖像直方圖 近似服從均勻分布的變換算法。 圖像處理工具箱中提供了圖像直方圖均衡化的具體函數(shù) histeq(), 9 同時(shí)我們可以用函數(shù) imhist()函數(shù)來(lái)計(jì)算和顯示圖像的直方圖。 (2).空域?yàn)V波增強(qiáng) 空域?yàn)V波按照空域?yàn)V波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實(shí)現(xiàn) ,目的在于模糊圖像或消除噪聲 。銳化濾波器是用高通濾波來(lái)實(shí)現(xiàn) ,目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié)。在 Matlab 中 ,各種濾波方法都是在空間域中通過(guò)不同的濾波算子實(shí)現(xiàn) ,可用 fspecial()函數(shù)來(lái)創(chuàng)建預(yù)定義的濾波算子 ,然后可以使用 imfilter()或 filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對(duì)圖像進(jìn)行濾波。 邊緣檢測(cè) 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ) ,也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化 ,也包括對(duì)方向的確定 ,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log算子等。 工具箱中提供的 edge()函數(shù)可以進(jìn)行邊緣檢測(cè) ,在其參數(shù)里面 ,可以根據(jù) 需要選擇合適的算子及其參數(shù)。 圖像處理功能的 Matlab 實(shí)現(xiàn)實(shí)例 本文通過(guò)運(yùn)用圖像處理工具箱的有關(guān)函數(shù)對(duì)一人臉的彩色圖像進(jìn)行處理。 1)圖像類(lèi)型的轉(zhuǎn)換 因后面的圖像增強(qiáng) ,邊緣檢測(cè)都是針對(duì)灰度圖像進(jìn)行的 ,而我們的原圖是RGB 圖像 ,所以首先我們要對(duì)原圖類(lèi)型進(jìn)行轉(zhuǎn)換。實(shí)現(xiàn)過(guò)程代碼如下 : i=imread(39。f:\39。)。j=rgb2gray(i)。 10 imshow(j)。imwrite(j,39。f:\39。) 效果圖 圖 2)圖像增強(qiáng) (1)灰度圖像直方圖均衡化 通 過(guò)比較原圖和直方圖均衡化后的圖像可見(jiàn) ,圖像變得更清晰 ,而且均衡化后的直方圖比原直方圖的形狀更理想。該部分的程序代碼如下 : i=imread(39。f:\39。)。 j=histeq(i)。imshow(j)。 figure,subplot(1,2,1),imhist(i)。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 11 圖 均衡化后的灰度圖像 圖 均衡化前后的直方圖對(duì)比圖 (2)灰度圖像平滑與銳化處理 平滑濾 波器的目的在于模糊圖像或消除噪聲 , 圖像處理工具箱提供了 medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波 ,wiener2()實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波。在本文實(shí)例中 ,為了使濾波效果更明顯 ,我們事先為圖像認(rèn)為增加濾波 ,然后用自適應(yīng)濾波方法對(duì)圖像進(jìn)行濾波。銳化處理的目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié) ,在本實(shí)例中采用了預(yù)定義高斯濾波器的方法對(duì)圖像進(jìn)行銳化濾波。功能實(shí)現(xiàn)的代碼如下 : i=imread(39。f:\39。)。 j=imnoise(i,39。guassian39。,0,)。 subplot(1,2,1),imshow(j)。 j1=wiener2(j)。subplot(1,2,2),imshow(j1)。 h=fspecial(39。gaussian39。,2,)。j2=imfilter(i,h)。figure,subplot(1,2,1),imshow(i) subplot(1,2,2),imshow(j2) 12 得到的效果圖如圖 和圖 : 加入噪聲的圖像 濾波后的圖像 圖 平滑濾波效果 原灰度圖 像 銳化后的圖像 圖 銳化濾波效果圖 3)邊緣檢測(cè) 圖像處理工具箱提供了 edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè) ,還 13 有各種方法算子供選擇 ,在本實(shí)例中采用了 canny算子來(lái)進(jìn)行邊緣檢 測(cè) , 程序代碼如下 : i=imread(39。f:39。)。 j=edge(i,39。canny39。,[,],)。 imshow(j) 效果圖如圖 : 原灰度圖像 邊緣檢測(cè)后的圖像 圖 邊緣檢測(cè)效果圖 本章小結(jié) 以上實(shí)例只是對(duì) Matlab 圖像處理工具箱函數(shù)的一小部分運(yùn)用 ,從這些功能的運(yùn)用可以看出 ,Matlab 語(yǔ)言簡(jiǎn)潔 ,可讀性強(qiáng)。作為人臉識(shí)別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。 14 第三章 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 引言 計(jì)算機(jī)人臉識(shí)別是一個(gè)非?；钴S的研究領(lǐng)域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計(jì)算機(jī)安全系統(tǒng)以及動(dòng)態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識(shí)別、計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別系統(tǒng)一般包括人臉檢測(cè)與定位、人 臉圖像預(yù)處理、特征提取和匹配識(shí)別四個(gè)組成部分。其中，人臉圖像預(yù)處理，作為特征提取和識(shí)別的前提步驟，是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必要環(huán)節(jié)。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備。 不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。常用的人臉圖像預(yù)處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測(cè)、尺寸歸一化、灰度歸一化等。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫(kù)中采集到的原始圖像質(zhì)量發(fā)生較大變化 （如人臉大小、光照強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。 鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測(cè)三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測(cè)算子檢測(cè)人臉邊緣、選擇不同的灰度變換算法實(shí)現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時(shí)還實(shí)現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預(yù)處 理算法。 15 系統(tǒng)基本機(jī)構(gòu) 人臉識(shí)別是一個(gè)復(fù)雜的過(guò)程，一個(gè)計(jì)算機(jī)人臉識(shí)別的流程如圖 31 所示。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無(wú)的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來(lái)。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。通常檢測(cè)和定位結(jié)合進(jìn)行。對(duì)提取出來(lái)的人臉借助人臉描述就可以進(jìn)行（狹義的）人臉識(shí)別，即通過(guò)提取特征來(lái)確定其身份。 結(jié) 束圖 像 采 集 人 臉 檢 測(cè) 定 位是 否 定 位 成 功圖 像 與 處 理是 否 處 理 成 功人 臉 識(shí) 別是 否 識(shí) 別 成 功識(shí) 別 結(jié) 果開(kāi) 始是否否是是否否是是否否 圖 基本框架圖 人臉檢測(cè)定位算法 人臉檢測(cè)定位算法大致可分為兩大類(lèi)：基于顯式特征的方法和基于隱式特征的方法。 所謂顯式特征是指對(duì)人類(lèi)肉眼來(lái)說(shuō)直觀可見(jiàn)的特征，如膚色、臉部輪廓、臉 16 部結(jié)構(gòu)等?；陲@式特征的方法是指由人通過(guò)肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測(cè)區(qū)域是否滿足這些“人臉特征”，來(lái)判定該區(qū)域是否包含人臉。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類(lèi)：基于膚色模型的方法、模板匹配的方法、基于先驗(yàn)知識(shí)的方法。 在彩色圖像中，顏色是人臉表面最為顯著的特征之一 ，利用顏色檢測(cè)人臉是很自然的想法。 Yang 等在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類(lèi)的膚色能在顏色空間中聚成單獨(dú)的一類(lèi)，而影響膚色值變化的最主要因素是亮度變化。因此他們采用廣泛使用的 RGB 顏色空間，在濾去亮度值的圖像中通過(guò)比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。除了RGB 顏色空間，還有諸如 HIS， LUV， GLHS 等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進(jìn)行驗(yàn)證，排除類(lèi)膚色區(qū)域。 Yoo 等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個(gè)區(qū)域，根據(jù)橢圓長(zhǎng)短軸的比率判斷是否為人 臉。 模板匹配的方法一般是人為地先定義一個(gè)標(biāo)準(zhǔn)人臉模板，計(jì)算輸入圖像與模板的似然度；然后，確定一個(gè)似然度閾值，用以判斷該輸入圖像中是否包含人臉。標(biāo)準(zhǔn)人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。 基于先驗(yàn)知識(shí)的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖（ mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎(chǔ)上，針對(duì)人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識(shí)庫(kù)。在檢測(cè)中，首先抽取這些灰度、邊緣等信息，然后檢驗(yàn)它是否符合知識(shí)庫(kù)中關(guān)于人臉的先驗(yàn)知識(shí)。 以上三種方法的優(yōu)缺點(diǎn)比較見(jiàn)表 31。 17 表 31 基于顯示特征方法的特點(diǎn) 基于隱式特征的方法將人臉區(qū)域看成一類(lèi)模式，使用大量“人臉”、“非人臉”樣本訓(xùn)練、構(gòu)造分類(lèi)器，通過(guò)判別圖像中所有可能區(qū)域是否屬 于“人臉模式”的方法來(lái)實(shí)現(xiàn)人臉檢測(cè)。這類(lèi)方法有：特征臉?lè)?、人工神?jīng)網(wǎng)絡(luò)法、支持向量機(jī)法；積分圖像法。 特征臉?lè)ǎ?eigenface）把單個(gè)圖像看成一維向量，眾多的一維向量形成了人臉圖像特征空間，再將其變換到一個(gè)新的相對(duì)簡(jiǎn)單的特征空間，通過(guò)計(jì)算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息，尋找“人臉”、“非人臉”兩種模式在該特征空間中的分布規(guī)律。 人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Network， ANN）的方法是通過(guò)訓(xùn)練一個(gè)網(wǎng)檢測(cè)方法 優(yōu)點(diǎn)與適用場(chǎng)合 缺點(diǎn)與需要改進(jìn)的地方 膚色模型 檢測(cè)速度快 高光和陰影會(huì)造成人臉區(qū)域被分割而被漏檢；膚色