【正文】 動窗口內(nèi)的諸像素灰度排序，用其中值代替窗口中心像素原來的灰度（若窗口中有偶數(shù)個像素，則取兩個中間值的平均）。K=medfilt2(J,[3 3])。 直方圖均衡化在信息論中有這樣一個結(jié)論，當數(shù)據(jù)的分布接近均勻分布的時候，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)字圖像中每一個灰度與其出現(xiàn)頻度間的統(tǒng)計關(guān)系。均衡化后的圖像動態(tài)范圍擴大了，但其本質(zhì)是擴大了量化層間隔，而非量化層的數(shù)目，相反，均衡化后級數(shù)分布減少，因而可能會出現(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特例，即直方圖均衡化的優(yōu)點是能自動的增強整個圖像的對比度，但它的具體增強效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖。F:/39。H=histeq (K)。人臉識別系統(tǒng)與傳統(tǒng)的身份識別系統(tǒng)相比,具有不易偽裝、非接觸性、無需被識別者刻意配合,工作方式自然友好等優(yōu)點。整個過程如圖 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 人臉識別的常用方法根據(jù)表征方式的不同,人臉識別常用的方法大致分為基于幾何特征的識別、基于代數(shù)特征的識別和基于神經(jīng)網(wǎng)絡(luò)的識別方法?；叶韧队胺?對人臉圖像進行水平和垂直方向的投影 ,根據(jù)波峰波谷的分布信息來定位眼睛 ,這種方法定位速度較快 ,但波峰波谷的分布對不同的人臉和姿態(tài)的變化非常敏感 ,定位精度較差。下面以圖為例說明算法過程。為了除去噪聲的影響,對垂直灰度投影曲線進行平滑處理,平滑處理后的曲線稱為: （）的取值跟人臉在圖像中的大小有關(guān),實驗中取=16。人眼水平位置的預(yù)估當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，正因為這些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個人臉千差萬別，因此對這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識別的重要特征。利用灰度積分投影曲線將人臉范圍縮小到眉眼區(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 ,進一步縮小了查找范圍 , 最后使用眼睛模板 ,分別沿著兩個垂直方向進行匹配 ,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、簡單,可滿足弱實時應(yīng)用。（3）余成波編著。在論文的完成過程中，還得到閻國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，2005。圖像處理與識別。它的應(yīng)用范圍很廣,如安全系統(tǒng)中的身份認證、視頻監(jiān)控中目標的識別與跟蹤,以及表情分析、年齡分析、唇讀、智能計算機中的人機交互等。在人臉方位調(diào)整中對眼睛的準確定位是必不可少的步驟，這是因為兩眼中心間距受光照或表情變化的影響最小，雙眼中心連線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算法編寫，并對根據(jù)該算法檢測的結(jié)果進行了相關(guān)分析。那么曲線中的最大值點和次最大值點之間的低谷對應(yīng)人眼 ,因此原人臉圖像中對應(yīng)最大值點和次最大值點之間的那部分圖像即對應(yīng)人眼所處的大致水平位置，這樣就將原來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確,滿足后續(xù)步驟檢測人眼的需要。在人臉左右邊界處,垂直方向上亮度值的總和迅速減小,形成一個明顯的凹谷。列投影，就是對軸投影，得到的值最大的那一點。目前的眼睛定位方法較多 ,但各有其優(yōu)缺點。本文所采用的方法一種基于最大類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，主要介紹了靜止灰度單人圖像中人眼檢測的問題，提出了快速有效的檢測算法。imshow(J)。設(shè)一幅圖像的灰度值為級,灰度值為的象素數(shù)為,此時得到總像素數(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)。 直觀的看，直方圖均衡化將導(dǎo)致信號值所占區(qū)域的對比度增加。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)?？梢赃@樣說明， 在上按行（或列）對每個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置換這一像素值，對全部像素處理后可獲得。即有 =+ () 對于乘性噪聲而言，其特點是和圖像光強度相關(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)測的隨機信號，通常是通過概率統(tǒng)計的方法對其進行分析，噪聲對圖像處理十分重要，它影響圖像處理的輸入，采集，處理的各個環(huán)節(jié)以及輸出結(jié)果的全過程，特別是圖像的輸入，采集噪聲的抑制是十分關(guān)鍵的問題，若輸入伴有較大的噪聲，必然影響處理全過程及輸出的結(jié)果，因此，一個良好的圖像處理系統(tǒng)，不論是模擬處理還是用計算機進行的數(shù)字處理，并不把減少最前一級的噪聲作為主攻目標。一類是全局處理，即對噪聲圖像的整體或大的塊進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實現(xiàn)程序如下：I=imread(39。figure(1),imshow(I)。)。因此，點運算不可能改變圖像內(nèi)的像素的空間關(guān)系。圖像中每一點的運算就被完全確定下來?；叶茸儞Q是指根據(jù)某種目標條件按一定變換關(guān)系逐點改變原圖像中每一個像素灰度值的方法。Hough變換法檢測瞳孔的圓形特征或眼瞼形成的橢圓特征,所需計算量大。該類方法用橢圓近似地表示頭部輪廓,通過迭代求精。本文主要討論在靜止灰度單人圖像中人眼檢測的問題。它的應(yīng)用范圍很廣,如安全系統(tǒng)中的身份認證、視頻監(jiān)控中目標的識別與跟蹤,以及表情分析、年齡分析、唇讀、智能計算機中的人機交互等。 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，正因為這些部件的形狀、大小和結(jié)構(gòu)上各種差異才使得世界上每個人臉千差萬別，因此，對這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識別的重要特征。如果人臉檢測作為能適應(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)果人臉識別的可靠性和正確率會相應(yīng)的得到提高。多數(shù)情況下，人的活動和面部表情成了關(guān)注的焦點。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，只有實現(xiàn)基于語義層次上的檢索，結(jié)果才能接近用戶所要檢索內(nèi)容的要求，所得的結(jié)果才能和用戶對視頻內(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。人臉檢測是自動人臉識別系統(tǒng)中的一個關(guān)鍵環(huán)節(jié)，但是早期的人臉識別研究主要針對具有較強約束條件的人臉圖像(如無背景人臉圖像等)，往往假設(shè)人臉位置己知或很容易獲得，因此人臉檢測問題未引起研究者的充分重視。 Integration projection。本文所研究的人眼識別對象都是針對單人正面或半側(cè)面圖像。人臉檢測系統(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)備正在成為個人計算機的標準外設(shè)，為視頻會議等服務(wù)所急需的技術(shù)— 基于內(nèi)容的壓縮與檢索成為一個研究熱點。鏡頭是由相互關(guān)聯(lián)的連續(xù)的視頻組成。它不是針對特定應(yīng)用的，而是提供了靈活且可擴展的視聽內(nèi)容描述框架以實現(xiàn)各種傳輸媒體的共享訪問和交換、強調(diào)基于內(nèi)容的交互性、可重用