【正文】 具箱 中 提供了 edge()函數(shù) 來 實(shí)現(xiàn) 圖像 邊緣檢測 ,還有各種方法算子供 我們 選擇 ,在本案例 中采用了 canny 算子來進(jìn)行 圖像 邊緣檢測 ,程序代碼如下 : i=imread(39。 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 11 邊緣檢測 數(shù)字圖像的邊緣檢測是 目標(biāo)區(qū)域識別、 圖像分割、 區(qū)域形狀提取等圖像分析過程中 十分重要的基礎(chǔ) 步驟 ,也是 人臉 圖像識別中 用來實(shí)現(xiàn)提取圖像特征的一個(gè)重要步驟 。gaussian39。 subplot(1,2,1),imshow(j)。)。在本文案例 中 ,為 使濾波效果更 加 明顯 ,我們預(yù)先為人臉圖像人為增加 噪聲 ,然后用自適應(yīng)濾波方法對圖像進(jìn)行濾波 處理。 j=histeq(i)。 通過原圖與直方圖均衡化后 圖像 對比 可以發(fā)現(xiàn) ,圖像變得更 加 清晰 ,并 且均衡化后的直方圖 相對于 原直方圖的形狀更 為理想。例如，消除照片中的劃痕，改善光照不均勻圖像，突出目標(biāo)的邊緣等。imwrite(j,39。F:\39。 圖像處理工具箱包含 了不同圖像類型 之間 相互轉(zhuǎn)換的大量函數(shù) ,如 rgb2gray()可以將 顏色映像表 或 RGB圖像 轉(zhuǎn)換 為灰度圖像 ，通過 mat2gray()函數(shù)能實(shí)現(xiàn) 矩陣轉(zhuǎn)換為灰度圖像 的功能。 人臉圖像 的讀取與顯示 人臉圖像的讀取和顯示可 通過 imread( )和 imshow( )指令 來實(shí)現(xiàn) 。人臉特征提取的方法 總結(jié) 起來 人臉圖像采集及檢測 人臉圖像預(yù)處理 人臉圖像特征提取 匹配與識別 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 7 可以 分為兩大類： 一種是基于 統(tǒng)計(jì)學(xué)習(xí) 或 代數(shù)特征 的表征方法 ；另 一種是基于知識的表征方法 。 而 對于人臉圖像， 預(yù)處理 的 過程主要 涉及 灰度變換、 人臉圖像的光線 補(bǔ)償、幾何校正、 直方圖均衡化、歸一化、 濾波以及銳化等。人臉圖像中包含的模式特征 非常 豐富，如模板特征、結(jié)構(gòu)特征 、 直方圖特征、顏色特征 等。 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 6 第 2 章 圖像處理的 Matlab 實(shí)現(xiàn) 識別系統(tǒng)構(gòu)成 人臉 識別技術(shù) 系統(tǒng) 主要 可分為 四個(gè)組成部分，分別為：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識別。 本課題的主要內(nèi)容 本次課題主要講述了人臉識別中應(yīng)用 Matlab 對圖像進(jìn)行預(yù)處理，通過人臉檢測、人臉跟蹤、人臉比對來實(shí)現(xiàn)基于 Matlab 的 人臉識別系統(tǒng)的仿真。同時(shí)人臉識別技術(shù)又有 自然性、 無侵犯性、成本低、智能化等幾個(gè)顯著優(yōu)勢。例如 京滬高鐵三站將 建立 人臉識別系統(tǒng)， 即使 整容也能被識別。 它 是人們一直所追求的讓機(jī)器智能化技術(shù)，就是讓機(jī)器具備和人類一樣的思考能力，識別能力以及處理事務(wù)的能力。如清華大學(xué)、中科院計(jì)算機(jī)所、中科院自動(dòng)化所等自主研發(fā)的人臉識別技術(shù)已經(jīng)達(dá)到了國際先進(jìn)的水平。由于隱蔽性十分好，該項(xiàng) 技術(shù)逐漸成為國際反恐及安全防范的重要手段之一。近 30多年來，在計(jì)算機(jī)科技和大規(guī)模集成電路技術(shù)的 迅猛發(fā)展 、離散數(shù)學(xué)理論創(chuàng)立和完善，以及 工業(yè)、軍 事、醫(yī)學(xué) 等方面 的應(yīng)用需求在 不斷增長， 人臉識別技術(shù)已經(jīng)在 人機(jī)交互、 安全驗(yàn)證系統(tǒng)、 系統(tǒng)公安 (罪犯識別等 )、 醫(yī)學(xué)、檔案管理、 信用卡驗(yàn)證、視頻會(huì)議 等方面的巨大應(yīng)用前景而越來越成為當(dāng)前模式識別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。 采用快速人臉檢測 識別 技術(shù)可以從視頻 監(jiān)控 圖象中實(shí)時(shí) 捕獲到 人臉 信息 ，并與人臉數(shù)據(jù)庫 中的已存信息 進(jìn)行實(shí)時(shí)比對 ，從而 達(dá)到 快速身份識別 的效果 。人臉識別是一項(xiàng) 當(dāng)下十分 熱門的計(jì)算機(jī)技術(shù) 的 研究領(lǐng)域， 該項(xiàng)技術(shù) 可以人臉明 暗偵測， 并且 自動(dòng)調(diào)整動(dòng)態(tài)曝光補(bǔ)償， 同時(shí)對 人臉追蹤偵測， 并 自動(dòng)調(diào)整影像放大； 這項(xiàng)技術(shù) 屬于生物特征識別技術(shù) 的一種 ，是 利用 生物體（一般 指 人）本身的生物特征 從而達(dá)到 區(qū)分生物體個(gè)體 的目的 。 人臉識別 技術(shù) 目前 主要 用做 身份識別。 報(bào)告 利用 MATLAB 軟件來實(shí)現(xiàn)人臉信息 檢測與識別， 利用 YCbCr 空間以及灰度 圖像 來 實(shí)現(xiàn)人臉 的 邊緣分割 , 將真彩圖像轉(zhuǎn)換為 灰度 圖像， 并根據(jù) 膚 色 在YCbCr 色度空間 上 的分布范圍， 來 設(shè)定門限閥值， 從而實(shí)現(xiàn)人臉區(qū)域與非人臉區(qū)域的分割，通過圖像處理 等一系列 的 操作來剔除干擾因素，再通過 長寬比和 目標(biāo)面積等方法在圖像中定位 出人臉區(qū)域，經(jīng)試驗(yàn)，該方法能夠排除 面部表情 、 衣著背景 、發(fā)型 等干擾 因素 ， 從 而定位出 人臉區(qū)域。 目前，人臉識別技術(shù)應(yīng)用最廣泛的地方就是各大公司、商場、政府保密機(jī)構(gòu)的門禁考勤系統(tǒng)。 人臉識別技術(shù)在 中國也有 迅猛發(fā)展的歷史。 經(jīng)過多年的研發(fā)探索 ， 在世界各大研究機(jī)構(gòu)的研發(fā)人員的共同努力下，人臉識別技術(shù)這一領(lǐng)域 取得 了 豐碩的成果，這些 研究 成果的取得 和科技 的進(jìn)步， 更 進(jìn)一步推動(dòng)了人類 對人臉識別 技術(shù)這一高端技術(shù) 的深入研究。而人臉識別技術(shù)的研究就是在這樣的背景下發(fā)展起來的。鐵路部門發(fā)布計(jì)劃 時(shí) 表示，將在京滬高鐵段的 天津西站 、 濟(jì)南西站 、 上海 虹橋站 這三個(gè)站點(diǎn)，建 立 人臉識別系統(tǒng)工程，以 此來 協(xié)助公安部門 甄別、 抓捕在逃罪犯。人臉識別技術(shù)的研究也有重大的學(xué)術(shù)價(jià)值。 利用Matlab 實(shí)現(xiàn)一個(gè)集多種預(yù)處理方法于一體的通用的人臉識別仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊嵌入在人臉識別系統(tǒng)中，并利用灰度圖像的直方圖比對來實(shí)現(xiàn)人臉圖像的識別判斷。 一般人臉識別系統(tǒng)構(gòu)架如圖 所示： 圖 人臉識別系統(tǒng)構(gòu)架 （ 1） 人臉圖像采集及檢測 人臉圖像采集： 人臉圖像 信息 都能通過攝像鏡頭采集 記錄 下來，比如 不同 位置、不同表情 、 靜態(tài)圖像、動(dòng)態(tài)圖像 等方面都 能 得到很好的采集。 人臉檢測就是挑出這其中有用的特征 信息，并利用這些特征 來 實(shí)現(xiàn)人臉 識別 。 （ 3） 人臉圖像特征提取 人臉圖像特征提?。喝四樧R別系統(tǒng) 通常會(huì) 使用的特征 分為視覺特征、人臉圖像變換系數(shù)特征、 像素統(tǒng)計(jì)特征 以及 人臉圖像代數(shù)特征等。 （ 4） 匹配與識別 人臉圖像 的 匹配與識別： 將 提取 到 的圖像 特征數(shù)據(jù)與數(shù)據(jù)庫中 已 存 的特征模板進(jìn)行 搜索匹配， 設(shè)定一個(gè)閾值，當(dāng)相似度超過這一閾值 時(shí) ，則把匹配 所 得到的結(jié)果輸 出。圖像的輸出 可以 用 imwrite( )函數(shù)， 很方便 快捷的將 圖像輸出到 電腦 硬盤上 。在類型轉(zhuǎn)換的處理過程中 ,我們還 會(huì)經(jīng)常遇到數(shù)據(jù)類型不匹配的問題 ,針對這一問題 , 工具箱中 為我們提供了各種數(shù)據(jù)類型之間相互轉(zhuǎn)換的 函數(shù) ,例 如double()函數(shù)的功能就是將數(shù)據(jù)轉(zhuǎn)換為雙精度數(shù)據(jù)類型 。)。F:\39。 實(shí)現(xiàn)圖像的灰度轉(zhuǎn) 換 的方法有很多 ,其中最常用 到的 是直方圖變換的方法 ,即直方圖的均衡化。實(shí)現(xiàn)過程 代碼如下 : i=imread(39。imshow(j)。銳化處理的作用是用來強(qiáng)調(diào)圖像 中 被模糊的細(xì)節(jié) ,在本案 例中 ，采用了預(yù)定義高斯濾波器的方法對圖像進(jìn)行銳化濾波。 j=imnoise(i,39。 j1=wiener2(j)。,2,)。 通過計(jì)算一階導(dǎo)數(shù)或二階導(dǎo)數(shù)可以快捷地檢測出 圖像中每個(gè)像素在其鄰域內(nèi)的灰度變化，從而檢測出邊緣。F:\39。,[,],)。通常檢測和定位同步進(jìn)行。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法 可以分為 三類：模板匹配的方法、 基于膚色模型的方法、 基于先驗(yàn)知識的方法。F:\39。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%灰度圖像及均衡化灰度圖像 [n1 n2]=size(BW)。x2=r。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 r1=x1。 pr1=0。 end x1=x1+r。BoundingBox39。 [s1 s2]=size(BB2)。 (BB2(1,k)/BB2(1,k+1)) 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 16 mx=p。 rectangle(39。,39。 運(yùn)行如下代碼： function varargout = faceCore(varargin) % FACECORE Mfile for % FACECORE, by itself, creates a new FACECORE or raises the existing % singleton*. % % H = FACECORE returns the handle to a new FACECORE or the handle to % the existing singleton*. % % FACECORE(39。,39。 gui_State = struct(39。, gui_Singleton, ... 39。, faceCore_OutputF, ... 39。, [])。 end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。 % UIWAIT makes faceCore wait for user response (see UIRESUME) % uiwait()。 TrainDatabasePath = uigetdir(strcat(matlabroot,39。 )。), 39。*.jpg39。 39。 %axes()。 global T。 [filename,pathname]=uigetfile({39。},39。 im=imread(str)。 global T。 OutputName = Recognition(im, m, V_PCA, V_Fisher, ProjectedImages_Fisher)。 SelectedImage = imread(SelectedImage)。Equivalent Image39。 執(zhí)行上述代碼后效果如下圖所示： 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 23 如上圖所示，當(dāng) 我們選擇待識別照片后，點(diǎn)擊圖像匹配，可以快速匹配到與該測試圖像特征信息相符合的訓(xùn)練庫中的人臉圖像，效果圖如下： 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 24 結(jié)論 圖像是人類日常生活和工作中獲取和交換信息的重要來源，人臉圖像的識別技術(shù)已經(jīng)應(yīng)用到了生活中的方方面面。通過對一些算法，方法的比較，選擇了比較合理的方法進(jìn)行圖像預(yù)處理。 然而，在現(xiàn)實(shí)生活中 由于受到采集距離、光線明暗、人臉角度等因素的影響，采集到的人臉圖像與人臉庫進(jìn)行匹配識別時(shí)，識別率很難可以 達(dá)到 測試要求。在做畢業(yè)設(shè)計(jì)的這段時(shí)間里，我的老師、同學(xué)們對我給予了非常多的幫助，在這里，謹(jǐn)向他們致以最真誠的感謝！ 尤為感謝的，是我的導(dǎo)師周經(jīng)國老師。 同時(shí)，我也要感謝教導(dǎo)過我的所有老師。 G=Ori_Face(:,:,2)。 B1=im2double(B)。 % 列像素 for i=1:row for j=1:column rr(i,j)=R1(i,j)/RGB(i,j)。 ggg=mean(gg)。 right = 1。 break。 end。 end。 end。 end。 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 29 for i=m:1:1, for j=1:n, if (A(i,j) ~= 0) down = i。 if (down ~= 1) break。 model_rot = imresize(frontalmodel,[ly wx],39。bilinear39。 % 選擇模板人臉區(qū)域 [modx,mody] =center(bwmodel_rot)。 [limy, limx] = size(mfit)。 佳木斯大學(xué)學(xué)士學(xué)位論文 佳木斯大學(xué)信息電子技術(shù)學(xué)院 30 endy = starty + morig1。 endy = checklimit(endy,limy)。 c