【正文】 時對同種濾波算法提供了不同模板大小的情況。在人臉圖像預處理中使用較多的濾波是平滑濾波，方法可分為以下三類：線性濾波、中值濾波、自適應濾波。所以，在本仿真系統(tǒng)中，對上述的每種預處理方法全部加以實現(xiàn)的同時，還對三種最常用預處理方法：濾波去噪、灰度變換、邊緣檢測，提供了多種不同的具體算法供用戶比較、選擇之用。該系統(tǒng)可對不同條件下的原始圖像進行相應的預處理。 ) 22 原始圖片 灰度圖片 均衡化灰度圖片 人臉定位 人臉圖像的預處理 不同的人臉識別系統(tǒng)根據其采用的圖像來源和識別算法需要不同，采用的預處理方法也不同。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。 end end figure,imshow(I)。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 BB1=struct2cell(BB)。 end 21 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% detection of face object L = bwlabel(BW,8)。 end y1=y1+c。s1=y1。 pr=o*100/s。 20 for i=1:10 y1=1。 c=floor(n2/10)。 I=rgb2gray(i)。 基于積分圖像（ Integral Image）特征的人臉檢測方法是 Viola 等新近提出的一種算法，它綜合使用了積分圖像描述方法、 Adaboost 學習算法及訓練方法、級聯(lián)弱分類器。 人工神經網絡（ Artificial Neural Network， ANN）的方法是通過訓練一個網檢測方法 優(yōu)點與適用場合 缺點與需要改進的地方 膚色模型 檢測速度快 高光和陰影會造成人臉區(qū)域被分割而被漏檢；膚色區(qū)域的存在提高了預警率 模板匹配 直觀性好，具有較好的適應性 對表情、尺度變換敏感；可變模板的選擇和參數(shù)的確定非常困難 基于知識的方法 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 18 絡結構， 把模式的統(tǒng)計特性隱含在神經網絡的結構和參數(shù)之中。 以上三種方法的優(yōu)缺點比較見表 31。 模板匹配的方法一般是人為地先定義一個標準人臉模板，計算輸入圖像與模板的似然度；然后，確定一個似然度閾值，用以判斷該輸入圖像中是否包含人臉。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比較像素點的ｒ、ｇ值與膚色范圍來推斷該像素點及其鄰域是否屬于人臉區(qū)域。基于顯式特征的方法是指由人通過肉眼觀察，總結出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。通常檢測和定位結合進行。如，用戶可根據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。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。人臉識別系統(tǒng)一般包括人臉檢測與定位、人臉圖像預處理、特征提取和匹配識別四個組成部分。,[,],)。f:39。gaussian39。 subplot(1,2,1),imshow(j)。)。在本文實例中 ,為了使濾波效果更明顯 ,我們事先為圖像認為增加濾波 ,然后用自適應濾波方法對圖像進行濾波。 j=histeq(i)。) 效果圖 圖 2)圖像增強 (1)灰度圖像直方圖均衡化 通過比較原圖和直方圖均衡化后的圖像可見 ,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。j=rgb2gray(i)。 1)圖像類型的轉換 因后面的圖像增強 ,邊緣檢測都是針對灰度圖像進行的 ,而我們的原圖是RGB 圖像 ,所以首先我們要對原圖類型進行轉換。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化 ,也包括對方向的確定 ,其中大多數(shù)是基于方向導數(shù)掩模求卷積的方法。平滑濾波器可以用低通濾波實現(xiàn) ,目的在于模糊圖像或消除噪聲 。 (1).灰度變換增強 有多種方法可以實現(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。 圖像增強 圖像增強的目的是為了改善圖像的視覺效果 ,提高圖像的清晰度和工藝的適應性 ,以及便于人與計算機的分析和處理 ,以滿足圖像復制或再現(xiàn)的要求。另外還可以用 imcrop()、 imrisize()、 8 imrotate()等來實現(xiàn)圖像的裁 剪、縮放和旋轉等功能。數(shù)字圖像處理技術已經成為信息科學、計算機科學、工程科學、地球科學等諸多方面的學者研究圖像的有效工具。利用這些工具箱 ,我們可以很方便的從各個方面對圖像的性質進行深入的研究。 第四章是對人臉圖像識別體系構架的設計，并給出了人臉識別用到的理論知識即直方圖差異對比，并編寫 matlab 代碼實現(xiàn)人臉圖像識別。 (5)基于人臉圖像比對的身份驗證 即人臉確認 (Face Verification)問題。 根據人臉特征點檢測與標定的結果，通過某些運算得到人臉特征的描述（這人臉圖像獲取 人臉檢測 特征提取 人臉識別 6 些特征包括：全局特征和局部特征，顯式特征和統(tǒng)計特征等）。 (2)人臉的檢測 人臉檢測的任務是判斷靜態(tài)圖像中是否存在人臉。 識別系統(tǒng)構成 人類似乎具有“與生俱來”的人臉識別能力，賦予計算機同樣的能力是人類的夢想之一，這就是所謂的“人臉識別”系統(tǒng)。 就 從目前和將來來看，可以預測到人臉圖像識別將具有廣闊的應用前景，如表 11 中所列舉就是其中已經實現(xiàn)或逐步完善的應用。使得同一個人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時更會有很大的差別，給識別帶來很大難度。現(xiàn)在己有實用的計算機自動指紋識別系統(tǒng)面世，并在安檢等部門得到應用，但還沒有通用成熟的人臉自動識別系統(tǒng)出現(xiàn)。人臉圖像的機器識別研究就是在這種背景下興起的，因為人們發(fā)現(xiàn)許多對于人類而言可以輕易做到的事情，而讓機器來實現(xiàn)卻很難，如人臉圖像的識別，語音識別，自然語言理解等。 目 錄 第一章 緒論 ................................................................................................................. 1 研究背景 ......................................................................................................... 2 人臉圖像識別的應用前景 .............................................................................. 3 本文研究的問題 .............................................................................................. 4 識別系統(tǒng)構成 ................................................................................................. 4 論文的內容及組織 .......................................................................................... 6 第二章 圖像處理的 Matlab 實現(xiàn) ................................................................................ 7 Matlab 簡介 ...................................................................................................... 7 數(shù)字圖像處理及過程 ...................................................................................... 7 圖像處理 的基本操作 ............................................................................. 7 圖像類型的轉換 ..................................................................................... 8 圖像增強 ................................................................................................. 8 邊緣檢測 ................................................................................................. 9 Matlab實現(xiàn)實例 ................................................................ 9 本章小結 ....................................................................................................... 13 第三章 人臉圖像識別計算機系統(tǒng) ........................................................................... 14 引言 ............................................................................................................... 14 ................................................................................................ 15 人臉檢測定位算法 ........................................................................................ 15 人臉圖像的預處理 ....................................................................................... 22 仿真系統(tǒng)中實現(xiàn)的人臉圖像預處理方法 .......................................... 23 1 第四章 基于直方圖的人臉識別實現(xiàn) ....................................................................... 26 識別理論 ......................................................................................................... 26 人臉識別的 matlab 實現(xiàn) ............................................................................... 26 本章小結 ....................................................................................................... 27 第五章 總結 ............................................................................................................... 28 致謝 ............................................................................................................................. 29 參考文獻 ................................................................................