【正文】 動(dòng)窗口內(nèi)的諸像素灰度排序，用其中值代替窗口中心像素原來(lái)的灰度（若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均）。K=medfilt2(J,[3 3])。 直方圖均衡化在信息論中有這樣一個(gè)結(jié)論，當(dāng)數(shù)據(jù)的分布接近均勻分布的時(shí)候，數(shù)據(jù)所承載的信息量為最大，圖像的灰度直方圖表示數(shù)字圖像中每一個(gè)灰度與其出現(xiàn)頻度間的統(tǒng)計(jì)關(guān)系。均衡化后的圖像動(dòng)態(tài)范圍擴(kuò)大了，但其本質(zhì)是擴(kuò)大了量化層間隔，而非量化層的數(shù)目，相反，均衡化后級(jí)數(shù)分布減少，因而可能會(huì)出現(xiàn)偽輪廓。figure(2)。直方圖均衡化的方法是直方圖修整法的一個(gè)特例，即直方圖均衡化的優(yōu)點(diǎn)是能自動(dòng)的增強(qiáng)整個(gè)圖像的對(duì)比度，但它的具體增強(qiáng)效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖。F:/39。H=histeq (K)。人臉識(shí)別系統(tǒng)與傳統(tǒng)的身份識(shí)別系統(tǒng)相比,具有不易偽裝、非接觸性、無(wú)需被識(shí)別者刻意配合,工作方式自然友好等優(yōu)點(diǎn)。整個(gè)過(guò)程如圖 1所示: 圖像直方圖均衡化圖像二值化處理根據(jù)積分投影定位眼睛的大概位置眼睛精確定位的圖像找到眼睛的精確位置圖像中值濾波輸入圖像圖像灰度化用積分投影將圖像縮到眉眼區(qū)域 圖31 眼睛精確定位步驟流程圖 人臉識(shí)別的常用方法根據(jù)表征方式的不同,人臉識(shí)別常用的方法大致分為基于幾何特征的識(shí)別、基于代數(shù)特征的識(shí)別和基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法。灰度投影法 對(duì)人臉圖像進(jìn)行水平和垂直方向的投影 ,根據(jù)波峰波谷的分布信息來(lái)定位眼睛 ,這種方法定位速度較快 ,但波峰波谷的分布對(duì)不同的人臉和姿態(tài)的變化非常敏感 ,定位精度較差。下面以圖為例說(shuō)明算法過(guò)程。為了除去噪聲的影響,對(duì)垂直灰度投影曲線(xiàn)進(jìn)行平滑處理,平滑處理后的曲線(xiàn)稱(chēng)為: （）的取值跟人臉在圖像中的大小有關(guān),實(shí)驗(yàn)中取=16。人眼水平位置的預(yù)估當(dāng)人臉的左右邊界確定之后,取左右邊界之間的人臉區(qū)域作為研究對(duì)象。根據(jù)自然約束條件,從垂直方向上看,眼在眉的下面,從下至上搜索,首先找到的是人眼。 總結(jié)人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此對(duì)這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。利用灰度積分投影曲線(xiàn)將人臉?lè)秶s小到眉眼區(qū)域 ,在此基礎(chǔ)上再做一次水平積分投影 ,即可確定眼睛所在的垂直位置 ,進(jìn)一步縮小了查找范圍 , 最后使用眼睛模板 ,分別沿著兩個(gè)垂直方向進(jìn)行匹配 ,找到匹配程度最高的位置即定位為人眼的位置。本文所采用的方法快速、簡(jiǎn)單,可滿(mǎn)足弱實(shí)時(shí)應(yīng)用。（3）余成波編著。在論文的完成過(guò)程中，還得到閻國(guó)梁老師的多方面的指導(dǎo)、教誨和幫助?；诨叶确e分投影和模板匹配的人眼定位，電子學(xué)報(bào)，2005。圖像處理與識(shí)別。它的應(yīng)用范圍很廣,如安全系統(tǒng)中的身份認(rèn)證、視頻監(jiān)控中目標(biāo)的識(shí)別與跟蹤,以及表情分析、年齡分析、唇讀、智能計(jì)算機(jī)中的人機(jī)交互等。在人臉?lè)轿徽{(diào)整中對(duì)眼睛的準(zhǔn)確定位是必不可少的步驟，這是因?yàn)閮裳壑行拈g距受光照或表情變化的影響最小，雙眼中心連線(xiàn)的方向隨人像的偏轉(zhuǎn)而偏轉(zhuǎn)，可以作為圖像旋轉(zhuǎn)的依據(jù)。第四章 檢測(cè)結(jié)果與分析本章主要介紹了根據(jù)本文提出的人眼檢測(cè)算法編寫(xiě)，并對(duì)根據(jù)該算法檢測(cè)的結(jié)果進(jìn)行了相關(guān)分析。那么曲線(xiàn)中的最大值點(diǎn)和次最大值點(diǎn)之間的低谷對(duì)應(yīng)人眼 ,因此原人臉圖像中對(duì)應(yīng)最大值點(diǎn)和次最大值點(diǎn)之間的那部分圖像即對(duì)應(yīng)人眼所處的大致水平位置，這樣就將原來(lái)的人臉圖像縮小到大致只有眉毛和眼睛的小區(qū)域 ?？梢钥闯?人臉的左右邊界定位準(zhǔn)確,滿(mǎn)足后續(xù)步驟檢測(cè)人眼的需要。在人臉左右邊界處,垂直方向上亮度值的總和迅速減小,形成一個(gè)明顯的凹谷。列投影，就是對(duì)軸投影，得到的值最大的那一點(diǎn)。目前的眼睛定位方法較多 ,但各有其優(yōu)缺點(diǎn)。本文所采用的方法一種基于最大類(lèi)間方差閾值分割和灰度積分投影技術(shù)的眼睛定位方法。figure,imshow(Z)； (a) 均衡化圖像 (b) 二值化結(jié)果圖 圖像二值化結(jié)果圖第三章 人眼定位算法本章節(jié)是本文的重點(diǎn)，主要介紹了靜止灰度單人圖像中人眼檢測(cè)的問(wèn)題，提出了快速有效的檢測(cè)算法。imshow(J)。設(shè)一幅圖像的灰度值為級(jí),灰度值為的象素?cái)?shù)為,此時(shí)得到總像素?cái)?shù): ()各值的概率為: ()然后將像素用k將其分成兩組和,則各組的概率為:的概率: ()的概率: ()的平均值: () 的平均值: ()其中: 是圖像的整體灰度平均值, 是閾值為時(shí)灰度的平均值,定義、兩組間的方差如() 式所示: ()尋找 間使得上式取最大值的,即可得到閾值。figure(4),imhist(K)。imshow(I)。 直觀(guān)的看，直方圖均衡化將導(dǎo)致信號(hào)值所占區(qū)域的對(duì)比度增加。因此，正確選擇窗口尺寸的大小是用好中值濾波的重要環(huán)節(jié)。J=rgb2gray(I)。 中值濾波中值濾波法也是一種局部平均平滑技術(shù)。I=rgb2gray(I)。可以這樣說(shuō)明， 在上按行（或列）對(duì)每個(gè)像素選取一定尺寸的鄰域，并用鄰域中鄰近像素的平均灰度來(lái)置換這一像素值，對(duì)全部像素處理后可獲得。即有 =+ () 對(duì)于乘性噪聲而言，其特點(diǎn)是和圖像光強(qiáng)度相關(guān)，隨亮度的大小變化而變化。（4）系統(tǒng)內(nèi)部電路噪聲。 概述 一般，噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，通常是通過(guò)概率統(tǒng)計(jì)的方法對(duì)其進(jìn)行分析，噪聲對(duì)圖像處理十分重要，它影響圖像處理的輸入，采集，處理的各個(gè)環(huán)節(jié)以及輸出結(jié)果的全過(guò)程，特別是圖像的輸入，采集噪聲的抑制是十分關(guān)鍵的問(wèn)題，若輸入伴有較大的噪聲，必然影響處理全過(guò)程及輸出的結(jié)果，因此，一個(gè)良好的圖像處理系統(tǒng)，不論是模擬處理還是用計(jì)算機(jī)進(jìn)行的數(shù)字處理，并不把減少最前一級(jí)的噪聲作為主攻目標(biāo)。一類(lèi)是全局處理，即對(duì)噪聲圖像的整體或大的塊進(jìn)行校正以得到平滑的圖像。for i=1:m for j=1:nif I(i,j)=30 I(i,j)=I(i,j)。 (a)原始圖像 (b) 灰度拉伸結(jié)果 圖像灰度拉伸結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。figure(1),imshow(I)。)。因此，點(diǎn)運(yùn)算不可能改變圖像內(nèi)的像素的空間關(guān)系。圖像中每一點(diǎn)的運(yùn)算就被完全確定下來(lái)?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點(diǎn)改變?cè)瓐D像中每一個(gè)像素灰度值的方法。Hough變換法檢測(cè)瞳孔的圓形特征或眼瞼形成的橢圓特征,所需計(jì)算量大。該類(lèi)方法用橢圓近似地表示頭部輪廓,通過(guò)迭代求精。本文主要討論在靜止灰度單人圖像中人眼檢測(cè)的問(wèn)題。它的應(yīng)用范圍很廣,如安全系統(tǒng)中的身份認(rèn)證、視頻監(jiān)控中目標(biāo)的識(shí)別與跟蹤,以及表情分析、年齡分析、唇讀、智能計(jì)算機(jī)中的人機(jī)交互等。 論文的主要內(nèi)容人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此，對(duì)這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。如果人臉檢測(cè)作為能適應(yīng)多種環(huán)境圖像的技術(shù)，精度和效率都有了較大的提高，那么在此基礎(chǔ)上再分析人臉的形狀等特征，且能消除非相關(guān)因素的干擾，結(jié)果人臉識(shí)別的可靠性和正確率會(huì)相應(yīng)的得到提高。多數(shù)情況下，人的活動(dòng)和面部表情成了關(guān)注的焦點(diǎn)。現(xiàn)在可資利用的相似性有全局顏色的相似性，形狀的相似性，紋理的相似性等。顯然，只有實(shí)現(xiàn)基于語(yǔ)義層次上的檢索，結(jié)果才能接近用戶(hù)所要檢索內(nèi)容的要求，所得的結(jié)果才能和用戶(hù)對(duì)視頻內(nèi)容的表述一致，比如要檢索“有喬丹參加的籃球比賽”的電視節(jié)目。它的非結(jié)構(gòu)化的本質(zhì)決定了傳統(tǒng)的瀏覽和檢索手段不適用于這種媒體。人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)，但是早期的人臉識(shí)別研究主要針對(duì)具有較強(qiáng)約束條件的人臉圖像(如無(wú)背景人臉圖像等)，往往假設(shè)人臉位置己知或很容易獲得，因此人臉檢測(cè)問(wèn)題未引起研究者的充分重視。 Integration projection。本文所研究的人眼識(shí)別對(duì)象都是針對(duì)單人正面或半側(cè)面圖像。人臉檢測(cè)系統(tǒng)的輸入是可能包含人臉的圖像，輸出是關(guān)于圖像中是否存在人臉以及人臉的數(shù)目、位置、尺度、姿態(tài)等信息的參數(shù)化描述。隨著網(wǎng)絡(luò)技術(shù)和桌上視頻的廣泛采用，圖像捕捉設(shè)備正在成為個(gè)人計(jì)算機(jī)的標(biāo)準(zhǔn)外設(shè)，為視頻會(huì)議等服務(wù)所急需的技術(shù)— 基于內(nèi)容的壓縮與檢索成為一個(gè)研究熱點(diǎn)。鏡頭是由相互關(guān)聯(lián)的連續(xù)的視頻組成。它不是針對(duì)特定應(yīng)用的，而是提供了靈活且可擴(kuò)展的視聽(tīng)內(nèi)容描述框架以實(shí)現(xiàn)各種傳輸媒體的共享訪(fǎng)問(wèn)和交換、強(qiáng)調(diào)基于內(nèi)容的交互性、可重用