【正文】 f MATLAB% handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,39。), get(0,39。*.bmp39。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 Qayyum48。)。 isequal(get(hObject,39。 end display(39。 matches with the image of subject 39。,num2str(M),39。 getString_start=getString_start(end)+1。 end img_bin_hist_sum(K,1) = sum。 test_processed_bin(K) = sum/bin_num。test_processed_bin(form_bin_num) = 0。)save 39。 for j=1:1:r if( (mod(j,bin_num)) == 0 ) sum = sum + train_hist_img(j,i)。) )。K = 1。max_hist_level = 256。else gui_mainf(gui_State, varargin{:})。gui_LayoutF39。gui_Name39。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(jì)的這段時(shí)間里，我的老師、同學(xué)、朋友和家人給予了我無(wú)微不至的關(guān)心，毫無(wú)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(chéng)的感謝！首先，我衷心感謝我的導(dǎo)師林森老師。該系統(tǒng)的主要功能模塊共有二個(gè)：（1）數(shù)字圖像處理的基本方法；（2）人臉識(shí)別。 人臉識(shí)別的matlab實(shí)現(xiàn) 用戶界面 實(shí)現(xiàn)結(jié)果 本章小結(jié)在過(guò)去十年中基于直方圖方法證其明簡(jiǎn)單性和有用性。所以，和灰度變換及濾波去噪部分的設(shè)計(jì)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(cè)算法，使用者可從檢測(cè)結(jié)果中加以比較、選擇合適的算法。這一過(guò)程，也被稱作灰度歸一化。考慮濾波模板大小對(duì)濾波效果影響較大，仿真系統(tǒng)選擇算法時(shí)對(duì)同種濾波算法提供了不同模板大小的情況。所以，在本仿真系統(tǒng)中，對(duì)上述的每種預(yù)處理方法全部加以實(shí)現(xiàn)的同時(shí)，還對(duì)三種最常用預(yù)處理方法：濾波去噪、灰度變換、邊緣檢測(cè)，提供了多種不同的具體算法供用戶比較、選擇之用。 ) 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(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。 endendfigure,imshow(I)。BB1=struct2cell(BB)。 end y1=y1+c。 pr=o*100/s。c=floor(n2/10)?；诜e分圖像（Integral Image）特征的人臉檢測(cè)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(jí)聯(lián)弱分類器。以上三種方法的優(yōu)缺點(diǎn)比較見(jiàn)表31。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(guò)比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。通常檢測(cè)和定位結(jié)合進(jìn)行。常用的人臉圖像預(yù)處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測(cè)、尺寸歸一化、灰度歸一化等。,[,],)。gaussian39。)。j=histeq(i)。j=rgb2gray(i)。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括對(duì)方向的確定,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。(1).灰度變換增強(qiáng)有多種方法可以實(shí)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。另外還可以用imcrop()、imrisize()、imrotate()等來(lái)實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。利用這些工具箱,我們可以很方便的從各個(gè)方面對(duì)圖像的性質(zhì)進(jìn)行深入的研究。(5)基于人臉圖像比對(duì)的身份驗(yàn)證即人臉確認(rèn)(Face Verification)問(wèn)題。(2)人臉的檢測(cè)人臉檢測(cè)的任務(wù)是判斷靜態(tài)圖像中是否存在人臉。就從目前和將來(lái)來(lái)看，可以預(yù)測(cè)到人臉圖像識(shí)別將具有廣闊的應(yīng)用前景，如表11中所列舉就是其中已經(jīng)實(shí)現(xiàn)或逐步完善的應(yīng)用。現(xiàn)在己有實(shí)用的計(jì)算機(jī)自動(dòng)指紋識(shí)別系統(tǒng)面世，并在安檢等部門(mén)得到應(yīng)用，但還沒(méi)有通用成熟的人臉自動(dòng)識(shí)別系統(tǒng)出現(xiàn)。基于matlab的人臉識(shí)別系統(tǒng)設(shè)計(jì)與仿真（含matlab源程序）目錄第一章 緒論 2 研究背景 2 人臉圖像識(shí)別的應(yīng)用前景 3 本文研究的問(wèn)題 4 識(shí)別系統(tǒng)構(gòu)成 4 論文的內(nèi)容及組織 6第二章 圖像處理的Matlab實(shí)現(xiàn) 7 Matlab簡(jiǎn)介 7 數(shù)字圖像處理及過(guò)程 7 7 8 8 9 9 本章小結(jié) 13第三章 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 14 引言 14 15 人臉檢測(cè)定位算法 15 人臉圖像的預(yù)處理 22 仿真系統(tǒng)中實(shí)現(xiàn)的人臉圖像預(yù)處理方法 23第四章 基于直方圖的人臉識(shí)別實(shí)現(xiàn) 26 26 人臉識(shí)別的matlab實(shí)現(xiàn) 26 本章小結(jié) 27第五章 總結(jié) 28致謝 29參考文獻(xiàn) 30附錄 32第一章 緒論本章提出了本文的研究背景及應(yīng)用前景。如同人的指紋一樣，人臉也具有唯一性，也可用來(lái)鑒別一個(gè)人的身份。 人臉圖像識(shí)別的應(yīng)用前景人臉圖像識(shí)別除了具有重大的理論價(jià)值以及極富挑戰(zhàn)性外，還其有許多潛在的應(yīng)用前景，利用人臉圖像來(lái)進(jìn)行身份驗(yàn)證，可以不與目標(biāo)相接觸就取得樣本圖像，而其它的身份驗(yàn)證手段，如指紋、眼睛虹膜等必須通過(guò)與目標(biāo)接觸或相當(dāng)接近來(lái)取得樣木，在某些場(chǎng)合，這些識(shí)別手段就會(huì)有不便之處。人臉圖像獲取人臉檢測(cè)特征提取人臉識(shí)別 人臉識(shí)別系統(tǒng)一般框架(1)人臉圖像的獲取一般來(lái)說(shuō)，圖像的獲取都是通過(guò)攝像頭攝取，但攝取的圖像可以是真人，也可以是人臉的圖片或者為了相對(duì)簡(jiǎn)單，可以不考慮通過(guò)攝像頭來(lái)攝取頭像，而是直接給定要識(shí)別的圖像。這包括兩類識(shí)別問(wèn)題：一類是閉集(Close Set)人臉識(shí)別問(wèn)題，即假定輸入的人臉一定是人臉庫(kù)中的某個(gè)個(gè)體；另一類是開(kāi)集(Open Set)識(shí)別，即首先要對(duì)輸入人臉是否在已知人臉庫(kù)中做出判斷，如果是，則給出其身份。Matlab還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱,常用的有圖像處理工具箱、小波分析工具箱及數(shù)字信號(hào)處理工具箱。圖像的輸出用imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤(pán)上。下面以空域增強(qiáng)法的幾種方法加以說(shuō)明。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。)。)。f:\39。h=fspecial(39。canny39。不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。Yang等在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類的膚色能在顏色空間中聚成單獨(dú)的一類，而影響膚色值變化的最主要因素是亮度變化。在檢測(cè)中，首先抽取這些灰度、邊緣等信息，然后檢驗(yàn)它是否符合知識(shí)庫(kù)中關(guān)于人臉的先驗(yàn)知識(shí)。但是直接使用SVM方法進(jìn)行人臉識(shí)別有兩方面的困難：第一，訓(xùn)練時(shí)需要求解二次規(guī)劃問(wèn)題計(jì)算復(fù)雜度高，內(nèi)存需求量巨大；第二，在非人臉樣本不受限制時(shí)，需要極大規(guī)模的訓(xùn)練集合，得到的支持向量會(huì)很多，使得分類器的計(jì)算量過(guò)高。r=floor(n1/10)。 [o p]=size(loc)。 end imshow(BW)。)。 j=k。r39。作為通用人臉圖像預(yù)處理模塊，要能夠充分適應(yīng)不同人臉庫(kù)中圖像在人臉大小、光照強(qiáng)度、成像系統(tǒng)等方面的任意性和差異性，不能單獨(dú)采用某種單一的濾波、灰度變換和邊緣檢測(cè)方法。對(duì)掃描得到的人臉圖像根據(jù)其噪聲類型一般采用此種濾波方法。只有這樣，不同圖像在特征提取和識(shí)別時(shí)才具有可比性。每種算子對(duì)不同方向邊緣的檢測(cè)能力和抑制噪聲的能力都不同。實(shí)際中有時(shí)需要變換直方圖使之成為某個(gè)需要的形狀,從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度或使圖像灰度值的分布滿足特定的要求,這時(shí)可以采用比較靈活的直方圖規(guī)定化方法。 最后確定最小差異的圖像與測(cè)試圖像匹配， 識(shí)別的準(zhǔn)確性是 %第五章 結(jié)語(yǔ)基于matlab數(shù)字圖像處理與識(shí)別系統(tǒng)其實(shí)是一個(gè)范圍很大的應(yīng)用系統(tǒng)，作者在此只是有針對(duì)性、有選擇地進(jìn)行了一些開(kāi)發(fā)和實(shí)現(xiàn)。若要進(jìn)一步提高識(shí)別率和適用范圍，則還需要結(jié)合其它算法，如PCA、神經(jīng)網(wǎng)絡(luò)等。gui_State = struct(39。, FR_Processed_histogram_OutputF, ... 39。end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。sub_img = 10。 train_pr