【正文】 新的特征提取方法 [J].計算機學報， 2021， 34（ 6）： 1221251 [2] 何東風，凌捷 .人臉識別技術綜述 [J].計算機學報， 2021， 13（ 12） 7578 [3] ,Younus FazleBasit Javed 和 Usman Qayyum” ,采用直方圖的人臉識別和處理” ,第三階段僅相關新興技術研報告。該方法能較好地實現(xiàn)人臉的分類，但對人臉圖像的要求較高，目前僅是采用 Orl的標準人臉庫中的圖像來進行測試，因此能獲得較高的識別率。 第二，平均從存儲載體的連續(xù)九個頻率的計算，并存儲在另一個載體，供以后使用，在測試階段。 直方圖均衡化主要用于增強動態(tài)范圍較小的圖像的反差 ,基本思想是把原始圖的直方圖變換為均勻分布的形式 ,這樣就增強了像素灰度值的動態(tài)范圍 ,從而達到增強圖像整體對比度的效果。 3)邊緣檢測 對輸入人臉圖像進行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時采用的預處理方法。 2)灰度變換 灰度變換是圖像增強技術中的一種。 （ 1）線性濾波最典型的線性濾波方法如，采用鄰域平均法的均值濾波器、采用鄰域加權平均的高斯濾波和維納濾波。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測算子檢測人臉邊緣、選擇不同的灰度變換算法實現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預處理算法。EdgeColor39。 if pmx amp。 BB = regionprops(L, 39。s2=y2。y2=c。 BW=im2bw(I)?；谌斯ど?經網(wǎng)絡的方法對于復雜的、難以顯式描述的模式，具有獨特的優(yōu)勢。標準人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗知識的方法。 15 系統(tǒng)基本機構 人臉識別是一個復雜的過程，一個計算機人臉識別的流程如圖 31 所示。其中，人臉圖像預處理，作為特征提取和識別的前提步驟，是計算機人臉識別系統(tǒng)中的必要環(huán)節(jié)。)。 j1=wiener2(j)。銳化處理的目的在于強調圖像被模糊的細節(jié) ,在本實例中采用了預定義高斯濾波器的方法對圖像進行銳化濾波。該部分的程序代碼如下 : i=imread(39。實現(xiàn)過程代碼如下 : i=imread(39。銳化濾波器是用高通濾波來實現(xiàn) ,目的在于強調圖像被模糊的細節(jié)。圖像增強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行操作 。數(shù)字圖像處理主要包括圖像變換、圖像增強、圖像編碼、圖像復原、圖像重建、圖像識別以及圖像理解等內容。 7 第五章總結了全文的工作并對以后的需要進一步研究的問題進行了展望。 (4)基于人臉圖像比對的身份識別 即人臉識別 (Face Identification)問題。假設我們把照相機、攝像頭、掃描儀等看作計算機的“眼睛”，數(shù)字圖像可以看作計算機觀察到的“影像”，那么 5 AFR 賦予計算機根據(jù)其所“看到”的人臉圖片來判斷人物身份的能力。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。如果能夠開發(fā)出具有像人類一樣的機器識別機制，就能夠逐步地了解人類是如何存儲信息，并進行處理的，從而最終了解人類的思維機制。 研究背景 自 70 年代以來 .隨著人工智能技術的興起 .以及人類視覺研究的進展 .人們逐漸對人臉圖像的機器識別投入很大的熱情，并形成了一個人臉圖像識別研究領域， .這一領域除了它的重大理論價值外，也極具實用價值。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 。本文在總結分析人臉識別系統(tǒng)中幾種常用的圖像預處理方法基礎上，利用 MATLAB 實現(xiàn)了一個集多種預處理方法于一體的通用的人臉圖像預處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預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。而人臉跟蹤則需要進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。 論文的內容及組織 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，包括：一些基本操作、格式轉換、圖像增強等。 數(shù)字圖像處理及過程 圖像是人類獲取信息、表達信息和傳遞信息的重要手段。 圖像處理工具箱為我們提供了不同圖像類型相互轉換的大量函數(shù) ,如 mat2gray()函數(shù)可以將矩陣轉換為灰度圖像 ,rgb2gray()轉換 RGB 圖像或顏色映像表為灰度圖像。 圖像處理工具箱中提供了圖像直方圖均衡化的具體函數(shù) histeq(), 9 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。 工具箱中提供的 edge()函數(shù)可以進行邊緣檢測 ,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)。imwrite(j,39。 figure,subplot(1,2,1),imhist(i)。guassian39。j2=imfilter(i,h)。作為人臉識別系統(tǒng)中圖像預處理工具，有非常好的處理功能。 鑒于此，作者在總結分析了灰度變換、濾波去噪、邊緣檢測三種廣泛應用于不同人臉識別系統(tǒng)中的預處理方法基礎上，設計了一個通用的人臉圖像預處理仿真系統(tǒng)。 結 束圖 像 采 集 人 臉 檢 測 定 位是 否 定 位 成 功圖 像 與 處 理是 否 處 理 成 功人 臉 識 別是 否 識 別 成 功識 別 結 果開 始是否否是是否否是是否否 圖 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。尋找到膚色區(qū)域后，必須進行驗證，排除類膚色區(qū)域。這類方法有：特征臉法、人工神經網(wǎng)絡法、支持向量機法；積分圖像法。39。x2=r。 r1=x1。 end x1=x1+r。 [s1 s2]=size(BB2)。 rectangle(39。用在同一系統(tǒng)中的可能只有其中 23 一種或幾種預處理方法，但一旦庫中采集到的原始圖像質量發(fā)生較大變化（如人臉大小、光照 強度、拍攝條件、成像系統(tǒng)等方面變化），原有的預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。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關于各種濾波方法的原理和分類可參考文獻 [2]。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邊界。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)。為了在不修改其他算法的基礎上，擴大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉換為統(tǒng)一的類型，是多數(shù)人臉圖像預處理中的第一步。 此算法提供我們的建議技術名為 直方圖處理人臉識別 的第一部分。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、縮放等），以及各種編碼圖像的讀寫與顯示。論文進展并不順利時，是 林 老師以長者的仁愛胸懷對我表示了理解，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 和網(wǎng)頁論壇 ，導師勤勉的敬業(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習的好榜樣。gui_Singleton39。gui_Callback39。 % Update handles structure guidata(hObject, handles)。 form_bin_num = 29。 for Z=1:1:total_sub for X=1:2:sub_img %%%train on odd number of images of each subject I = imread( strcat(39。 for i=1:1:rows for j=1:1:cols if( I(i,j) == 0 ) train_hist_img(max_hist_level, K) = train_hist_img(max_hist_level, K) + 1。 K = K + 1。 train_processed_bin。 for i=1:1:rows for j=1:1:cols if( I(i,j) == 0 ) test_hist_img(max_hist_level) = test_hist_img(max_hist_level) + 1。 sum = 0。 K = K + 1。\39。))) msgbox ( 39。ORL\S39。) % function box_Callback(hObject, eventdata, handles) % hObject handle to box (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,39。), get(0,39。*.bmp39。t appealed against the disciplinary action your employer has taken against you. However, if you win your case, the tribunal may reduce any pensation awarded to you as a result of your failure to appeal. Remember that in most cases you must make an application to an employment tribunal within three months of the date when the event you are plaining about happened. If your application is received after this time limit, the tribunal will not usually accept it. If you are worried about how the time limits apply to you, take advice from one of the anisations listed under Further help. Employment tribunals are less formal than some other courts, but it is still a legal process and you will need to give evidence under an oath or affirmation. 44 Most people find making a claim to an employment tribunal challenging. If you are thinking about making a claim to an employment tribunal, you should get help straight away from one of the anisations listed under Further help. If you are being repr。Test Image39。)) set(hObject,39。) returns contents of box as text % str2double(get(hObject,39。\39。)。 getString_end=getString_end(end)1。 M = ceil(M/5)。 end end test_processed_bin(K) = sum/bin_num。 39 end end end [r c] = size(test_hist_img)。 global train_processed_bin。 else sum = sum + train_hist_img(j,i)。 end end end K = K + 1。,int2str(Z),39。 % hObject handle