【正文】 DSP技術(shù)是目前信息技術(shù)產(chǎn)業(yè)中應(yīng)用十分廣泛的先進(jìn)技術(shù)。為了幫助學(xué)生深入理解和消化基本理論、進(jìn)一步提高綜合應(yīng)用能力并且鍛煉獨(dú)立解決問(wèn)題的能力，我們將《數(shù)字信號(hào)處理》、《DSP原理與應(yīng)用》、《語(yǔ)音信號(hào)處理》和《數(shù)字圖象處理》幾門課程融合在一起開(kāi)設(shè)的DSP綜合實(shí)驗(yàn)課程設(shè)計(jì)。2 三 概述4五 設(shè)計(jì)內(nèi)容和目的4七 課程設(shè)計(jì)內(nèi)容及原理21十一 參考文獻(xiàn)主要從以下兩方面考慮：一：設(shè)計(jì)內(nèi)容突出信號(hào)處理的理論和技術(shù)的綜合應(yīng)用。二、課程設(shè)計(jì)的基本要求1．設(shè)計(jì)過(guò)程以小組為單位，各組設(shè)一個(gè)組長(zhǎng)，負(fù)責(zé)組織和協(xié)調(diào)本小組的討論、任務(wù)分工等； ，不得跨組參考或抄襲，避免方案出現(xiàn)雷同；3． 設(shè)計(jì)書(shū)一律采用B5紙打印，用統(tǒng)一封面裝訂；4． 課程設(shè)計(jì)原則上在3周內(nèi)做完；5． 最后一周周五進(jìn)行優(yōu)秀設(shè)計(jì)方案評(píng)選，在各組推選代表進(jìn)行方案介紹的基礎(chǔ)上，推選出23個(gè)優(yōu)秀設(shè)計(jì)方案。四、課程設(shè)計(jì)組織形式課程設(shè)計(jì)過(guò)程按分組的方式進(jìn)行，由指導(dǎo)教師向?qū)W生發(fā)放有關(guān)的課程設(shè)計(jì)背景資料，并向?qū)W生講述課程設(shè)計(jì)的方法、步驟和要求，設(shè)計(jì)過(guò)程采取課堂集中輔導(dǎo)，分散設(shè)計(jì)的方式進(jìn)行。M. Turk 和A. Pentland 將PCA方法用于人臉檢測(cè)和識(shí)別[Turk,1991a。特征臉?lè)椒ň褪菍四樀膱D像區(qū)域看作是一種隨機(jī)向量，因此可以采用KL變換獲得其正交KL基底。如何計(jì)算特征臉：在訓(xùn)練階段，每個(gè)已知人臉Ri映射到由特征臉構(gòu)成的子空間上，得到m維向量 (2)若則輸入圖像包含未知人臉；opencv自帶的sample里面有很多識(shí)別例子，有人臉視頻跟蹤的，還有畫(huà)圖的，也有定位人臉的。 % 讀入變量 I size(I) % 得到矩陣I的行與列的大小ans = 320 240 I(1:10,1:10) % 顯示矩陣I的 110行和 110列 ans = 26 20 20 22 22 20 19 20 22 22 26 24 19 22 22 19 21 24 24 22 25 24 22 24 21 19 20 22 24 22 25 21 21 24 22 20 21 22 24 20 24 20 22 25 22 19 20 21 25 24 20 19 22 22 24 21 21 24 22 24 20 20 21 25 25 24 24 25 20 20 20 20 21 24 26 25 25 25 20 20 20 19 22 24 24 25 24 24 22 21 21 17 21 25 21 22 24 25 22 21 colormap(gray(256))。 % Reshapes 函數(shù)把列向量轉(zhuǎn)換為二維矩陣 image(L)。 for i = 2:length(Vals) % 對(duì)特征值累計(jì)求和 CVals(i) = CVals(i1) + Vals(i)。同樣的非臉部區(qū)域的訓(xùn)練影像，亦會(huì)使用相同方法投影到相同的空間并加入?yún)布? %均值 ustd=80。img=imread(str)。 %更新figure1 [irow icol]=size(img)。 %由此公式對(duì)S進(jìn)行均值化 end %show normalized images 用figue2顯示規(guī)格化的圖像 figure(2)。)。 tmimg=uint8(m)。fontsize39。 %A矩陣和A矩陣的轉(zhuǎn)置矩陣的乘積得到L矩陣 vv are the eigenvector for L vv是L的特征向量 dd are the eigenvalue for both L=dbx39。 d=[d dd(i,i)]。 % ind(i)的值為len+1index(i) vtemp(:,ind(i))=v(:,i)。 u=[u (dbx*v(:,i))./temp]。 %將img轉(zhuǎn)置 img=histeq(img,255)。 end end Find the weight of each face in the training set. 找到每個(gè)人臉在訓(xùn)練中的權(quán)值 omega = []。 %構(gòu)成omega end %以上部分即完成了圖像的讀入,規(guī)格化,特征空間的訓(xùn)練,特征臉的形成 %并且顯示出訓(xùn)練圖像,規(guī)格化圖像,均值圖像和特征臉 %以下部分為識(shí)別的部分 Acquire new image 獲得一個(gè)新的圖像 % 依舊采用orl臉庫(kù)中的人臉圖像作為試驗(yàn)對(duì)象 % 與訓(xùn)練圖像保持一致的大小 InputImage = input(39。gray39。 InImage=reshape(double(InputImage)39。 %temp與m的差為Difference NormImage=Difference。 ReshapedImage = ReshapedImage39。fontsize39。 % figure(6) subplot(1,2,1) %figure6左邊顯示輸入圖像的權(quán)值 stem(ll,InImWeight) %利用stem函數(shù),劃分離散序列數(shù)據(jù) title(39。 %得到DiffWeight的范數(shù),賦給mag e = [e mag]。要求系統(tǒng)可以對(duì)各類文件格式的人臉文件進(jìn)行分析，可以對(duì)一定長(zhǎng)度的人臉訓(xùn)練集進(jìn)行特征值提取，能夠顯示特征臉、平均臉，能夠由特征向量構(gòu)造訓(xùn)練集內(nèi)部或外部的任意人臉文件，并且完成比對(duì)誤差及人臉識(shí)別的功能。還有就是每次在2號(hào)樓做試驗(yàn)都會(huì)感覺(jué)特別的充實(shí)， 老師都很耐心的為我們解決試驗(yàn)中所出現(xiàn)的問(wèn)題，像以前做實(shí)驗(yàn)一樣，到最后嗓子沙啞，有時(shí)候甚至耽誤了回去的班車，但你們也沒(méi)有說(shuō)過(guò)什么，最后真心的感謝老師對(duì)我們課程設(shè)計(jì)的建議和幫助，我們才得以圓滿的！完成這次課程設(shè)計(jì)九．參考文獻(xiàn)[1] Matthew Turk. Alex Pentland. Eigenfaces for recognition[J], Journal of Cognitive Neuroscience, Volume 3 , subplot(1,2,2) %在figure 6 右邊顯示 stem(kk,e) %劃分顯示離散序列數(shù)據(jù) title(39。,39。