【正文】 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。通常檢測和定位結(jié)合進行。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。 以上三種方法的優(yōu)缺點比較見表 31。 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(xué)習(xí)算法及訓(xùn)練方法、級聯(lián)弱分類器。 c=floor(n2/10)。 pr=o*100/s。 end y1=y1+c。 BB1=struct2cell(BB)。 end end figure,imshow(I)。 ) 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(yù)處理 不同的人臉識別系統(tǒng)根據(jù)其采用的圖像來源和識別算法需要不同，采用的預(yù)處理方法也不同。所以，在本仿真系統(tǒng)中，對上述的每種預(yù)處理方法全部加以實現(xiàn)的同時，還對三種最常用預(yù)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?？紤]濾波模板大小對濾波效果影響較大，仿真系統(tǒng)選擇算法時對同種濾波算法提供了不同模板大小的情況。這一過程，也被稱作灰度歸一化。所以，和灰度變換及濾波去噪部分的設(shè)計思路相同，在仿真系統(tǒng)中，筆者給出了 canny、 sobel、 log、prewitt 四種算子在不同灰度閾值下、不同方向的邊緣檢測算法，使用者可從檢測結(jié)果中加以比較、選擇合適的算法。 人臉識別的 matlab 實現(xiàn) 實現(xiàn)結(jié)果如圖 和 圖 用戶界面 圖 實現(xiàn)結(jié)果 27 本章小結(jié) 在過去十年中基于直方圖方法證其明簡單性和有用性。 該系統(tǒng)的主要功能模塊共有二個：（ 1）數(shù)字圖像處理的基本方法；（ 2）人臉識別。 29 致謝 在 大學(xué)的學(xué)習(xí)生活即將結(jié)束，在做畢業(yè)設(shè)計的這段時間里，我的老師、同學(xué)、朋友和家人給予了我無微不至的關(guān)心，毫無保 留的指導(dǎo)和耐心細(xì)致的幫助，借此畢業(yè)論文完成之際，謹(jǐn)向他們致以我最真誠的感謝！ 首先，我衷心感謝我的導(dǎo)師 林森 老師。gui_Name39。gui_LayoutF39。 else gui_mainf(gui_State, varargin{:})。 max_hist_level = 256。 K = 1。) )。 for j=1:1:r if( (mod(j,bin_num)) == 0 ) sum = sum + train_hist_img(j,i)。) save 39。 test_processed_bin(form_bin_num) = 0。 test_processed_bin(K) = sum/bin_num。 end img_bin_hist_sum(K,1) = sum。 getString_start=getString_start(end)+1。,num2str(M),39。 matches with the image of subject 39。 end display(39。 isequal(get(hObject,39。)。 imshow(I) % % Executes during object creation, after setting all properties. function axes3_CreateF(hObject, eventdata, handles) % hObject handle to axes3 (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles empty handles not created until after all CreateFs called % Hint: place code in OpeningF to populate axes3 %Programmed by Usman Qayyum g an employment tribunal claim Employment tribunals sort out disagreements between employers and employees. You may need to make a claim to an employment tribunal if: ? you don39。 axes() 43 imgpath=STRCAT(pathname,filename)。,39。)) returns contents of box as a double 42 % % Executes during object creation, after setting all properties. function box_CreateF(hObject, eventdata, handles) % hObject handle to box (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles empty handles not created until after all CreateFs called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc amp。Incorrectly Recognized39。Error== Testing Image of Subject 39。 if (subjectindex == M) axes () 41 %image no: 5 is shown for visualization purpose imshow(imread(STRCAT(39。S39。 40 K = 1。 K = 1。train39。 end display (39。 sum = 0。,int2str(X),39。 global total_sub train_img sub_img max_hist_level bin_num form_bin_num。 train_img = 200。 ischar(varargin{1}) = str2func(varargin{1})。gui_OutputF39。 [4] 何國輝，甘俊英 .PCALDA算法在性別鑒別中的應(yīng)用 [J].中國圖像圖形學(xué)報，2021， 32（ 19）： 208211. [5] 王聃，賈云偉，林福嚴(yán) .人臉識別系統(tǒng)中的特征提取 [J].自動化學(xué)報， 2021，21（ 73） . [6] 張儉鴿，王世卿，盛光磊 .基于小波和 DFBPCA 的人臉識別算法研究 [J].自動化學(xué)報， 2021， 23（ 21） . [7] 曹林，王東峰，劉小軍，鄒謀炎 .基于二 維 Gabor 小波的人臉識別算法 [J].電子學(xué)報， 2021， 28（ 3） 490494 [8] 焦峰，山世光，崔國勤，高文，李錦濤 .基于局部特征分析的人臉識別方法 [J].自動化學(xué)報， 2021， 15（ 1）： 5358 [9] Wangmeng Zuo， Kuanquan Wang， David Zhang， Hongzhi Zhang. Combination of two novel LDAbased methods for face recognition[C].Proceedings of the IEEE， 2021： 735742 [10] 徐倩，鄧偉 .一種融合兩種主成分分析的人臉識別方法 [J].計算機學(xué)報， 2021，43（ 25）： 195197 [11] 劉貴喜，楊萬海 .基于小波分解的圖像融和方法及性能評價 [J].自動化學(xué)報， 31 2021， 28（ 6）： 927934 [12] 周嬪，馬少平，蘇中 .多分類器合成方法綜獻 [J].自動化學(xué)報， 2021， 28（ 1）：122124 [13] 王蘊紅，范偉，譚鐵牛 .融合全局與局部特征的子空間人臉識別算法 [J].電子學(xué)報， 2021， 28（ 10）： 16571662 [14] 莊哲民，張阿妞，李芬蘭 .基于優(yōu)化的 LDA算法人臉識別研究 [J].中國圖像圖形學(xué)報， 2021， 29（ 9）： 20472049 [15] 鐘向陽 .基于 Gabor小波的人臉識別系統(tǒng)的實現(xiàn) [J].中國圖像圖形學(xué)報，2021， 23（ 3） [16] 張燕昆，劉重慶 .一種新穎的基于 LDA的人臉識別方法 [J].自動化學(xué)報，2021， 22（ 5）： 327330 32 附錄 人臉識別 matlab 程序 function varargout = FR_Processed_histogram(varargin) %這種算法是基于直方圖處理的方法 %The histogram of image is calculated and then bin formation is done on the %basis of mean of successive graylevels frequencies. The training is done on odd images of 40 subjects (200 images out of 400 images) %The results of the implemented algorithm is (recognition fails on image number 4 of subject 17) gui_Singleton = 1。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，識別率就未必能達到要求了。 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。直方圖均衡化的優(yōu)點是 能自動地增強整個圖像的對比度 ,但它的具體的增強效果不好控制 ,處理的結(jié)果總是得到全局均衡化的直方圖。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。通過灰度變換，可對原始圖像中的光照不均進行補償，使得待識別人臉圖像遵循同一或相似的灰度分布。對圖像進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。 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。,39。 (BB2(1,k)/BB2(1,k+1)) mx=p。BoundingBox39。 pr1=0。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% minimisation of background portion [n1 n2]=size(BW)。 支撐向量機（ 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。 基于先驗知識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。 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。它包括幾個步驟：對采集到的圖像，首先進行人臉檢測（在輸入圖像中尋找人臉），給出人臉有無的結(jié)果；然后進行人臉定位，確定人臉的位置并提取出來。其目的是在去除噪聲，加強有用信息，對輸入設(shè)備或其他因素造成的退化現(xiàn)像進