【正文】 知識的方法適用復雜圖像中的人臉檢測依賴先驗知識；多尺度空間遍歷工作量大，運算時間長基于隱式特征的方法將人臉區(qū)域看成一類模式，使用大量“人臉”、“非人臉”樣本訓練、構造分類器，通過判別圖像中所有可能區(qū)域是否屬于“人臉模式”的方法來實現(xiàn)人臉檢測。基于人工神經(jīng)網(wǎng)絡的方法對于復雜的、難以顯式描述的模式，具有獨特的優(yōu)勢。 基于隱式特征方法的特征檢測方法優(yōu)點缺點與需要改進的地方本征臉法標準人臉模板能抽象人臉全部信息，運算不涉及迭代耗費時間短但模板檢測效率低，多模板提高了效率也增加了檢測時間神經(jīng)網(wǎng)絡法檢測效率高，錯誤報警數(shù)目不多，訓練成熟的網(wǎng)絡監(jiān)測速度快多樣本訓練耗費時間多，但網(wǎng)絡監(jiān)測錯誤報警數(shù)目多支撐向量機機法比神經(jīng)網(wǎng)絡方法具有更好的泛化能力，能對為觀測到的例子進行有效分類“非人臉”樣本復雜多樣，造成支持向量數(shù)目多，運算復雜度大基于積分圖像分析法檢測速度快，基本滿足實時檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡法比較錯誤報警數(shù)目少時，檢測率不高運用matlab仿真進行人臉檢測定位實例：人臉檢測定位程序：%%%%% Reading of a RGB image i=imread(39。BW=im2bw(I)。x1=1。y2=c。 if pr=100 BW(x1:x2, y1:y2)=0。s2=y2。 y2=y2+c。BB = regionprops(L, 39。BB2=cell2mat(BB1)。 if pmx amp。hold on。EdgeColor39。常用的人臉圖像預處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測、尺寸歸一化、灰度歸一化等。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測算子檢測人臉邊緣、選擇不同的灰度變換算法實現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預處理算法。由于噪聲給圖像帶來的失真和降質，在特征提取之前采用濾波的方式來去除噪聲是實際人臉識別系統(tǒng)中所必須的步驟。（1）線性濾波最典型的線性濾波方法如，采用鄰域平均法的均值濾波器、采用鄰域加權平均的高斯濾波和維納濾波。（2）中值濾波法中值濾波法是一種非線性濾波方法，它把像素及其鄰域中的像素按灰度級進行排序，然后選擇該組的中間值作為輸出像素值?；叶茸儞Q是圖像增強技術中的一種。常用在人臉識別系統(tǒng)中的灰度變換方法主要有：基于圖像統(tǒng)計特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標準化三種方法。對輸入人臉圖像進行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時采用的預處理方法。圖像類型轉換、圖像二值化、尺寸歸一化也是一些人臉識別系統(tǒng)中經(jīng)常使用的預處理方法。人臉識別程序及效果圖如下。)。J1=rgb2gray(J1)。J1fftShift = fftshift(J1fft)。J2fftConjugate = conj(J2fftShift)。imshow(uint8(J2fft))。本文同時還利用了傅里葉變換及相關性的運用，實現(xiàn)了頻譜圖，更好的進行人臉識別。利用傅里葉變換的方法進行人臉識別，要在頻域內(nèi)進行，實際運用還有一定的難度。相關性不等于因果性，也不是簡單的個性化，相關性所涵蓋的范圍和領域幾乎覆蓋了我們所見到的方方面面，相關性在不同的學科里面的定義也有很大的差異。該系統(tǒng)的主要功能模塊共有二個：（1）數(shù)字圖像處理的基本方法；（2）人臉識別。關于“人臉識別”，在了解了人臉識別的各種方法后，選擇了圖像直方圖差值比較進行了實現(xiàn)。河南城建學院本科畢業(yè)設計（論文） 參考文獻參考文獻[1] 祝磊,[J].計算機學報,2007,34[2] 何東風,[J].計算機學報,2003,(13):127578[3] Younus FazleBasit Javed和Usman Qayyum”,采用直方圖的人臉識別和處理”,第三階段僅相關新興技術研報告[4] 何國輝,[J].中國圖像圖形學報，2006,32(19):208211[5] 王聃,賈云偉,[J].自動化學報,2005,21[6] 張儉鴿,王世卿,[J].自動化學報，2007，23（21）[7] 曹林,王東峰,劉小軍,[J].電子學報,2006,28(3):490494[8] 焦峰，山世光，崔國勤，高文，[J].自動化學報,2003,15(15):358[9] Wangmeng Zuo,Kuanquan Wang,David Zhang,Hongzhi of two novel LDAbased methods for face recognition[C].Proceedings of the IEEE,2007:735742[10] 徐倩,[J].計算機學報， 2007,43(25):195197[11] 劉貴喜,[J].自動化科學 2002,28(6):927934[12] 周嬪,馬少平,[J].自動化學報,2000,28(1).[13] 王蘊紅,范偉,[J].電子學報,2005,28(10):16571662[14] 莊哲民,張阿妞,[J].中國圖像圖形學報,2007,29(9):20472049 [15] [J].中國圖像圖形學報河南城建學院本科畢業(yè)設計（論文） 致謝 致謝在河南城建學院的學習生活即將結束，在做畢業(yè)設計的這段時間里，我的老師、同學、朋友和家人給予了我無微不至的關心，毫無保留的指導和耐心細致的幫助，借此畢業(yè)論文完成之際，謹向他們致以我最真誠的感謝！首先，我衷心感謝我的曹延生指導老師。最后，我要感謝我的父母和家人，他們這么多年來一直給我以無私的關愛和支持，濃濃的親情和期盼都是我學習的動力和源泉。論文進展并不順利時，是曹老師以仁愛胸懷對我表示了理解，不僅幫我指正了論文的方向，而且為我提供了大量的參考文獻和網(wǎng)頁論壇，曹老師勤勉的敬業(yè)精神和一絲不茍的工作態(tài)度使我深深感動，這將是我一生工作和學習的好榜樣。而在現(xiàn)實生活中采集到的人臉圖像則會受到很多因素的影響，識別率就未必能達到要求了。僅就這一部分而言，就有很多可以繼續(xù)完成的工作，可將其它一些數(shù)字圖像處理方法進一步加以實現(xiàn)，如圖像的平滑，圖像矩陣的變換（KL變換、Fourier變換、小波變換等），圖像的膨脹腐蝕、圖像的幾何變換（平移、旋轉、縮放等），以及各種編碼圖像的讀寫與顯示。對各種圖像處理方法以及人臉識別系統(tǒng)的學習、理解、運用有待進一步的提高。相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。在不同的研究領域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。河南城建學院本科畢業(yè)設計（論文） 實驗結果與分析 4 實驗結果與分析本文利用人臉圖像識別中所應用MATLAB對圖像進行預處理，應用該工具箱對圖像進行經(jīng)典圖像處理,通過實例來應用matlab圖像處理功能，對某一特定的人臉圖像處理，進而應用到人臉識別系統(tǒng)。%互能量譜imshow(uint8(J1fft))。J1Power = abs(J1fftShift)。J1fft = fft2(J1)。G:\張迎\標準測試圖像庫1\39。clear allJ1=imread(39。在本仿真系統(tǒng)中通過調用MATLAB中提供的各種圖像類型轉換函數(shù)來實現(xiàn)TIF、JPG轉換為BMP格式及彩色到灰度圖像的轉換；對圖像二值化，采用了graythresh()函數(shù)來自動選擇閾值的二值化方法[1]；尺寸歸一化采用的算法是對人臉圖像進行剪裁和尺寸縮放，實現(xiàn)去除大部分頭發(fā)、服飾和背景的干擾并將人臉圖像大小統(tǒng)一。每種算子對不同方向邊緣的檢測能力和抑制噪聲的能力都不同。三種灰度變換方法，均能在一定程度上消除由于光照條件不同而對人臉識別帶來的影響。只有這樣，不同圖像在特征提取和識別時才具有可比性。對于使用基于整體的人臉識別算法的系統(tǒng)中，由于失掉小區(qū)域的細節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。對掃描得到的人臉圖像根據(jù)其噪聲類型一般采用此種濾波方法。下面對本文實現(xiàn)的濾波方法及其選擇依據(jù)加以說明。作為通用人臉圖像預處理模塊，要能夠充分適應不同人臉庫中圖像在人臉大小、光照強度、成像系統(tǒng)等方面的任意性和差異性，不能單獨采用某種單一的濾波、灰度變換和邊緣檢測方法。鑒于此，作者在總結分析了濾波去噪、邊緣檢測、灰度變換三種廣泛應用于不同人臉識別系統(tǒng)中的預處理方法基礎上，設計了一個通用的人臉圖像預處理仿真系統(tǒng)。r39。Position39。 j=k。mx=0。)。 x2=x2+r。 end imshow(BW)。r2=x2。 [o p]=size(loc)。s=r*c。r=floor(n1/10)。)。但是直接使用SVM方法進行人臉識別有兩方面的困難：第一，訓練時需要求解二次規(guī)劃問題計算復雜度高，內(nèi)存需求量巨大；第二，在非人臉樣本不受限制時，需要極大規(guī)模的訓練集合，得到的支持向量會很多，使得分類器的計算量過高。