【正文】 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(xiàn)和網(wǎng)頁論壇，導(dǎo)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(xué)習(xí)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(dá)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(jìn)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(zhuǎn)、縮放等），以及各種編碼圖像的讀寫與顯示。 此均值向量用于計算平均值的曾受訓(xùn)練的圖像和測試圖像絕對差異。 此算法提供我們的建議技術(shù)名為直方圖處理人臉識別的第一部分。直方圖均衡化的優(yōu)點是能自動地增強(qiáng)整個圖像的對比度,但它的具體的增強(qiáng)效果不好控制,處理的結(jié)果總是得到全局均衡化的直方圖。為了在不修改其他算法的基礎(chǔ)上，擴(kuò)大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預(yù)處理中的第一步。邊緣檢測的方法有很多，主要有：微分算子法、Sobel算子法、拉普拉斯算子法、canny算子法等。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實現(xiàn)方法可由matlab仿真來實現(xiàn)。通過灰度變換，可對原始圖像中的光照不均進(jìn)行補償，使得待識別人臉圖像遵循同一或相似的灰度分布。中值濾波方法的最大優(yōu)點是抑制噪聲效果明顯且能保護(hù)邊界。對圖像進(jìn)行線性濾波可以去除圖像中某些特定類型的噪聲，如圖像中的顆粒噪聲，高斯噪聲、椒鹽噪聲等。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻(xiàn)[2]。 仿真系統(tǒng)中實現(xiàn)的人臉圖像預(yù)處理方法根據(jù)所查閱文獻(xiàn)資料，常應(yīng)用于人臉圖像的預(yù)處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測及二值化、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。,39。rectangle(39。 (BB2(1,k)/BB2(1,k+1)) mx=p。 [s1 s2]=size(BB2)。BoundingBox39。 end x1=x1+r。 pr1=0。 r1=x1。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。x2=r。figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% minimisation of background portion [n1 n2]=size(BW)。39。支撐向量機(jī)（Support Vector Machine，SVM）法是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種新的模式識別方法，它基于結(jié)構(gòu)風(fēng)險最小化的原理，較之于基于經(jīng)驗風(fēng)險最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問題，如：模型選擇和過學(xué)習(xí)問題、非線性和維數(shù)災(zāi)難問題、局部極小點問題等都得到了很大程度上的解決。這類方法有：特征臉法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法；積分圖像法?；谙闰炛R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，針對人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識庫。尋找到膚色區(qū)域后，必須進(jìn)行驗證，排除類膚色區(qū)域。在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測人臉是很自然的想法。 基本框架圖 人臉檢測定位算法人臉檢測定位算法大致可分為兩大類：基于顯式特征的方法和基于隱式特征的方法。它包括幾個步驟：對采集到的圖像，首先進(jìn)行人臉檢測（在輸入圖像中尋找人臉），給出人臉有無的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來。鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測三種廣泛應(yīng)用于不同人臉識別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計了一個通用的人臉圖像預(yù)處理仿真系統(tǒng)。其目的是在去除噪聲，加強(qiáng)有用信息，對輸入設(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)的特征提取和識別作準(zhǔn)備。作為人臉識別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。j=edge(i,39。j2=imfilter(i,h)。subplot(1,2,2),imshow(j1)。guassian39。功能實現(xiàn)的代碼如下:i=imread(39。figure,subplot(1,2,1),imhist(i)。f:\39。imwrite(j,39。f:\39。()函數(shù)可以進(jìn)行邊緣檢測,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)。在Matlab中,各種濾波方法都是在空間域中通過不同的濾波算子實現(xiàn),可用fspecial()函數(shù)來創(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)建好的濾波器對圖像進(jìn)行濾波。(),同時我們可以用函數(shù)imhist()函數(shù)來計算和顯示圖像的直方圖。而頻域法是在圖像的某個變換域內(nèi)對整個圖像進(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。,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。讀取和顯示圖像可以通過imread()和imshow()來實現(xiàn)。 數(shù)字圖像處理及過程圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。第二章 圖像處理的Matlab實現(xiàn) Matlab簡介由Math Work公司開發(fā)的Matlab語言語法限制不嚴(yán)格,程序設(shè)計自由度大,程序的可移植性好。 論文的內(nèi)容及組織第二章主要介紹人臉識別系統(tǒng)中所用到的仿真軟件Matlab，介紹了在人臉圖像識別過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。通過將輸入人臉圖像與人臉數(shù)據(jù)庫中的所有已知原型人臉圖像計算相似度并對其排序來給出輸入人臉的身份信息。而人臉跟蹤則需要進(jìn)一步輸出所檢測到的人臉位置、大小等狀態(tài)隨時間的連續(xù)變化情況。廣義的講。本文在總結(jié)分析人臉識別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實現(xiàn)了一個集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可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現(xiàn)人臉圖像的識別判定。國外對于人臉圖像識別的研究較早，現(xiàn)己有實用系統(tǒng)面世，只是對于成像條件要求較苛刻，應(yīng)用范圍也就較窄，國內(nèi)也有許多科研機(jī)構(gòu)從事這方而的研究，并己取得許多成果。并且與指紋圖像不同的是，人臉圖像受很多因素的干擾:人臉表情的多樣性。同時，進(jìn)行人臉圖像識別研究也具有很大的使用價依。 研究背景，并形成了一個人臉圖像識別研究領(lǐng)域，.這一領(lǐng)域除了它的重大理論價值外，也極具實用價值。首先闡述了人臉圖像識別意義；然后介紹了人臉圖像識別研究中存在的問題；接著介紹了自動人臉識別系統(tǒng)的一般框架構(gòu)成；最后簡要地介紹了本文的主要工作和章節(jié)結(jié)構(gòu)。如果能夠開發(fā)出具有像人類一樣的機(jī)器識別機(jī)制，就能夠逐步地了解人類是如何存儲信息，并進(jìn)行處理的，從而最終了解人類的思維機(jī)制。人臉圖像的自動識別系統(tǒng)較之指紋識別系統(tǒng)、DNA鑒定等更具方便性，因為它取樣方便，可以不接觸目標(biāo)就進(jìn)行識別，從而開發(fā)研究的實際意義更大。因此在各種干擾條件下實現(xiàn)人臉圖像的識別，也就更具有挑戰(zhàn)性。表11 人臉識別的應(yīng)用應(yīng)用優(yōu)點存在問題信信用卡、汽車駕照、護(hù)照以及個人身份驗證等圖像攝取可控圖像分割可控圖像質(zhì)量好需要建立龐大的數(shù)據(jù)庫嫌疑犯照片匹配圖像質(zhì)量不統(tǒng)一多幅圖像可用潛在的巨大圖像庫互聯(lián)網(wǎng)應(yīng)用視頻信息價值高多人參與存在虛假銀行/儲蓄安全監(jiān)控效果好圖像分割不可控圖像質(zhì)量較差人群監(jiān)測圖像質(zhì)量高可利用攝像圖像圖像分割自由圖像質(zhì)量低、實時性 本文研究的問題本文介紹了人臉圖像識別中所應(yīng)用MATLAB對圖像進(jìn)行預(yù)處理，應(yīng)用該工具箱對圖像進(jìn)行經(jīng)典圖像處理,通過實例來應(yīng)用matlab圖像處理功能，對某一特定的人臉圖像處理，進(jìn)而應(yīng)用到人臉識別系統(tǒng)。假設(shè)我們把照相機(jī)、攝像頭、掃描儀等看作計算機(jī)的“眼睛”，數(shù)字圖像可以看作計算機(jī)觀察到的“影像”，那么AFR賦予計算機(jī)根據(jù)其所“看到”的人臉圖片來判斷人物身份的能力。若存在人臉，給出其在圖像中的坐標(biāo)位置、人臉區(qū)域大小等信息。(4)基于人臉圖像比對的身份識別即人臉識別(Face Identification)問題。系統(tǒng)在輸入人臉圖像的同時輸入一個用戶宣稱的該人臉的身份信息，系統(tǒng)要對該輸入人臉圖像的身份與宣稱的身份是否相符作出判斷。第五章總結(jié)了全文的工作并對以后的需要進(jìn)一步研究的問題進(jìn)行了展望。Matlab圖像處理工具箱支持索引圖像、RGB圖像、灰度圖像、.jpg、.tif等多種圖像格式文件。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、圖像識別以及圖像理解等內(nèi)容。Matlab支持多種圖像類型,但在某些圖像操作中,對圖像的類型有要求,所以要涉及到對圖像類型進(jìn)行轉(zhuǎn)換。圖像增強(qiáng)的方法分為空域法和頻域法兩大類,空域法主要是對圖像中的各個像素點進(jìn)行操作。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。銳化濾波器是用高通濾波來實現(xiàn),目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié)。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等。實現(xiàn)過程代碼如下:i=imread(39。imshow(j)。該部分的程序代碼如下:i=imread(39。imshow(j)。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,)。)。imshow(j):原灰度圖像 邊緣檢測后的圖像 邊緣檢測效果圖 本章小結(jié)以上實例只是對Matlab圖像處理工具箱函數(shù)的一小部分運用,從這些功能的運用可以看出,Matlab語言簡潔,可讀性強(qiáng)。其中，人臉圖像預(yù)處理，作為特征提取和識別的前提步驟，是計算機(jī)人臉識別系統(tǒng)中的必要環(huán)節(jié)。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。人臉識別是一個復(fù)雜的過程，一個計算機(jī)人臉識別的流程如圖31所示。對提取出來的人臉借助人臉描述就可以進(jìn)行（狹義的）人臉識別，