【正文】 (i,j)150)+200。I=double(I)。)。這種圖像視覺(jué)效果差，人會(huì)感覺(jué)模糊。figure(2),imshow(I)I=double(I)。F:\39。I=rgb2gray(I)。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。灰度化處理的方法主要有三種:1 ) 最大值法:使 的值等于三值中最大的一個(gè),即: （）最大值法會(huì)形成亮度很高的灰度圖像。點(diǎn)運(yùn)算是一種既簡(jiǎn)單又重要的技術(shù)，一幅輸入圖像經(jīng)過(guò)點(diǎn)運(yùn)算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點(diǎn)的灰度值決定相應(yīng)的輸出像素點(diǎn)的灰度值。選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理目的來(lái)決定。函數(shù)T(D) 稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系?；叶茸儞Q有時(shí)又被稱為圖像的對(duì)比度增強(qiáng)或?qū)Ρ榷壤?。另外，自然圖像由于其灰度通常分布在較窄的區(qū)間，也會(huì)引起圖像細(xì)節(jié)不清楚。使用中值濾波和直方圖均衡方法去除噪聲和光照對(duì)圖像的影響后,將圖像做積分投影以縮小到人臉的眼部區(qū)域,在得到的眉眼區(qū)域中再做一次水平積分投影,找到兩眼的垂直位置。人眼的識(shí)別有邊緣特征分析法、Hough變換法和變形模板法等。另外,還有人使用神經(jīng)網(wǎng)絡(luò)方法檢測(cè)人臉,其缺點(diǎn)同樣是計(jì)算量太大,無(wú)法達(dá)到弱實(shí)時(shí)的要求。此類方法對(duì)光照敏感,且無(wú)法適用于灰度圖像。人臉識(shí)別方法大致有如下幾類:一是通過(guò)主分量分析法訓(xùn)練和檢測(cè)人臉,即特征人臉?lè)椒?。從圖片是否是動(dòng)態(tài)的角度，可以分為在靜止圖象中檢測(cè)人臉、在視頻圖像序列中檢測(cè)跟蹤人臉。從人臉姿態(tài)的角度，可以分為正面人臉檢測(cè)、多姿態(tài)人臉檢測(cè)。而且若以兩眼之間的距離對(duì)抽取的各個(gè)特征值進(jìn)行歸一化，則這些特征值具有平移、旋轉(zhuǎn)和尺度上的不變性。其中眼睛這一器官有著舉足輕重的作用，對(duì)眼睛進(jìn)行幾何描述勢(shì)必先要找到眼睛的位置，即要先進(jìn)行眼睛定位。因此,如果能夠找到解決這些問(wèn)題的方法,成功構(gòu)造出人臉檢測(cè)與跟蹤系統(tǒng),國(guó)外對(duì)人臉檢測(cè)問(wèn)題的研究很多,比較著名的有MIT,CMU等。人臉檢測(cè)的研究受到重視，不僅因?yàn)樗诨谌四樀纳矸蒡?yàn)證、視覺(jué)監(jiān)視以及叢于內(nèi)容的檢索等方面有著重要的應(yīng)用，人臉檢測(cè)研究還具有重要的學(xué)術(shù)價(jià)值。在確認(rèn)模式下，人臉特征面紋數(shù)據(jù)[5]可以存儲(chǔ)在智能卡中或數(shù)碼記錄中，這種應(yīng)用只需要簡(jiǎn)單地將實(shí)時(shí)采集的人臉數(shù)據(jù)與存儲(chǔ)的相比對(duì)，如果可信度超過(guò)一個(gè)指定的閾值，則比對(duì)成功，身份得到確認(rèn)。(6)虛擬現(xiàn)實(shí)和電子娛樂(lè)如果讓電子游戲中的角色能感知游戲參與者的頭部的動(dòng)作和面部表情的變化，將大大增強(qiáng)參與者的參與感和真實(shí)感。人臉的檢測(cè)和跟蹤是這類應(yīng)用的關(guān)鍵部分。比如，原本要檢索一個(gè)有關(guān)小女孩方面的圖像，檢索的結(jié)果卻給出一些風(fēng)景或建筑方面的圖像，就說(shuō)明系統(tǒng)的檢索能力和效率還急需提高。(3)基于內(nèi)容的圖像檢索現(xiàn)在許多應(yīng)用都集成了大規(guī)模的圖像庫(kù)，而且是其中的重要部分。(2)有關(guān)MPEG7標(biāo)準(zhǔn)為解決對(duì)多媒體信息描述的標(biāo)準(zhǔn)問(wèn)題，國(guó)際運(yùn)動(dòng)圖像專家組于2001年，發(fā)表了國(guó)際標(biāo)準(zhǔn)MPEG7，其全稱為“多媒體內(nèi)容描述接口”，其目標(biāo)就是制定一組標(biāo)準(zhǔn)的描述子及其描述模式(定義描述子的結(jié)構(gòu)和相互關(guān)系)，內(nèi)容描述與媒體內(nèi)容結(jié)合，使用戶能夠快速準(zhǔn)確地進(jìn)行檢索。場(chǎng)景包含有多個(gè)鏡頭，針對(duì)同一批對(duì)象，但拍攝的角度不同，傳達(dá)的含義不同。視頻結(jié)構(gòu)單元通常可以看作兩層:鏡頭和場(chǎng)景。下面對(duì)人臉檢測(cè)的一些應(yīng)用領(lǐng)域做些簡(jiǎn)要的介紹:(1) 基于內(nèi)容的視頻檢索隨著因特網(wǎng)上應(yīng)用的迅速增長(zhǎng)，圖像、視頻、語(yǔ)音等多媒體信息的使用日益廣泛，其數(shù)量也迅速膨脹起來(lái)。今天，人臉檢測(cè)的應(yīng)用背景己經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識(shí)別系統(tǒng)的范疇。人臉檢測(cè)問(wèn)題的提出最早可以追溯到早期的人臉識(shí)別研究中對(duì)人臉定位的需求。 課題的背景和意義人臉檢測(cè)(Face Detection)是指在輸入圖像中確定所有人臉(如果存在)位置與大小。關(guān)鍵詞: 特征提??；眼睛定位；積分投影；閾值分割A(yù)bstractComputer face recognition is a very active area of research in recent years. Its applications range is very wide, such as identity authentication in safety system, video surveillance, target identification and tracking, as well as facial expression analysis, age analysis, lip reading and so on. pared with mouth and nose, Eyes are the most significant features of the face. which can provide more reliable, more important message, so eye detection is often necessary to dispose in face recognition. An algorithm for eyes location is presented in this paper based on maximum variance between two classes and gray level integration projection. First, median filter is used to eliminate the noise, then the image blur caused by deficient exposal is cleared up using non linear transform. Maximum variance between two classes is provided to get the binary image, and then the features are extracted from the image. Finally, by the way of graylevelinte gration projection and human face configuration, we can easily find that the location of eyes is determined by the coordinate of the minimum in the diagram. Further feature detection can be done based on this result.KEYWORDS: Feature extraction。蘭州交通大學(xué)畢業(yè)設(shè)計(jì)（論文）內(nèi)容摘要人臉識(shí)別是人類視覺(jué)最杰出的能力之一，它的研究涉及模式識(shí)別、圖像處理、生理，心理學(xué)、認(rèn)知科學(xué)，和基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知學(xué)交互領(lǐng)域都有密切聯(lián)系其中人眼的識(shí)別是計(jì)算機(jī)人臉識(shí)別和智能監(jiān)控中的重要部分。首先通過(guò)圖像預(yù)處理技術(shù)中的中值濾波方法去除圖像噪聲,并通過(guò)非線性變換消除人臉圖像因?yàn)槠毓鈼l件不同而造成的模糊,得到灰度分配較為均勻的圖像,然后利用最大類間方差閾值法對(duì)圖像進(jìn)行二值化處理,將特征點(diǎn)從人臉圖像分割出來(lái),并分別利用水平和垂直灰度積分投影曲線結(jié)合人臉的結(jié)構(gòu)特征找到眼睛的位置坐標(biāo),實(shí)現(xiàn)了準(zhǔn)確的眼睛定位,從而為進(jìn)一步提取其它特征點(diǎn)打好了基礎(chǔ)。 Threshold segment目 錄目 錄 3第一章 緒 論 4 課題的背景和意義 4 論文的主要內(nèi)容 7第二章 圖像預(yù)處理基本知識(shí) 9 圖像灰度變換 9 圖像的灰度化 10 圖像灰度求反 11 圖像灰度拉伸 12 圖像平滑去噪 13 概述 13 圖像噪聲分類 13 圖像系統(tǒng)噪聲的特點(diǎn) 14 均值濾波 15 中值濾波 16 直方圖均衡化 17 圖像二值化 19第三章 人眼定位算法 22 算法流程 22 人臉識(shí)別的常用方法 24 投影法原理 24 人眼左右邊界的判定 25 眉眼區(qū)域的判定 26 眉眼區(qū)域的處理 27 眼睛的精確定位 28第四章 檢測(cè)結(jié)果與分析 29第五章 總結(jié)與展望 30 總結(jié) 30 算法的改進(jìn)與前景 31參考文獻(xiàn) 32致 謝 33第一章 緒 論本章主要介紹了本文的研究背景和研究的意義，以及對(duì)本文的研究?jī)?nèi)容和各個(gè)章節(jié)的安排進(jìn)行了介紹。人臉檢測(cè)作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來(lái)成為模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)一項(xiàng)受到普遍重視、研究十分活躍的課題。近幾年來(lái)，電子商務(wù)等網(wǎng)絡(luò)資源的利用使得人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段，在這種應(yīng)用背景下，要求人臉自動(dòng)識(shí)別系統(tǒng)能夠?qū)σ话悱h(huán)境圖像具有一定的適應(yīng)能力，由此所面臨的一系列問(wèn)題使得人臉檢測(cè)作為一個(gè)獨(dú)立的課題受到研究者的重視。此外，人臉檢測(cè)在智能化人機(jī)界面、視覺(jué)監(jiān)測(cè)、數(shù)字視頻處理等方面也有著重要的應(yīng)用價(jià)值，這使得人臉檢測(cè)的研究倍受關(guān)注?；趦?nèi)容的多媒體信息檢索就是在這樣的背景下提出的，并成為多媒體研究領(lǐng)域的一個(gè)熱點(diǎn)。在高層的內(nèi)容分析、索引和分類中，鏡頭是基本的單元。而對(duì)視頻圖像中的特定對(duì)象(如人或轎車等)的分析是形成語(yǔ)義結(jié)果的基礎(chǔ)。另外，MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測(cè)算法也是一項(xiàng)征集的內(nèi)容。而基于目標(biāo)的相似性應(yīng)該說(shuō)是很有效的方法。這就需要為攝像機(jī)提供視野內(nèi)進(jìn)行自動(dòng)跟蹤的能力。這是人臉檢測(cè)和分割成為研究熱點(diǎn)的原團(tuán)之一。身份確認(rèn)(一對(duì)一的比