【正文】 to figure % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default mand line output from handles structure varargout{1} = 。 global total_sub train_img sub_img max_hist_level bin_num form_bin_num。 if nargin amp。gui_OpeningF39。 最后，我要感謝我的父母和家人，他們這么多年來一直給我以無私的關(guān)愛和支持，濃濃的親情和期盼都是我學(xué)習(xí)的動力和源泉。 關(guān)于“人臉識別”，在了解了人臉識別的各種方法后，選擇了圖像直方圖差值比較進行了實現(xiàn)。 第一，每個灰度級的頻率是計算并存儲在媒介作進一步處理。 26 第四章 基于直方圖的人臉識別實現(xiàn) 識別理論 用灰度直方圖增強圖像對比度是基于圖像灰度值統(tǒng)計的一種重要方法 ,它以概率論為基礎(chǔ)的 ,常用的實現(xiàn)算法主要是直方圖均衡化和直方圖規(guī)定化。故在仿真系統(tǒng)中提供了三種灰度變換效果比較及選擇界面，用戶可根據(jù)需要選用。 （ 3）自適應(yīng)濾波自適應(yīng)濾波能夠根據(jù)圖像的 局部方差來調(diào)整濾波器的輸出，其濾波效果要優(yōu)于線性濾波，同時可以更好地保存圖像的邊緣和高頻細節(jié)信息。在人臉圖像預(yù)處理中使用較多的濾波是平滑濾波，方法可分為以下三類：線性濾波、中值濾波、自適應(yīng)濾波。該系統(tǒng)可對不同條件下的原始圖像進行相應(yīng)的預(yù)處理。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 end 21 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% detection of face object L = bwlabel(BW,8)。s1=y1。 20 for i=1:10 y1=1。 I=rgb2gray(i)。 人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Network， ANN）的方法是通過訓(xùn)練一個網(wǎng)檢測方法 優(yōu)點與適用場合 缺點與需要改進的地方 膚色模型 檢測速度快 高光和陰影會造成人臉區(qū)域被分割而被漏檢；膚色區(qū)域的存在提高了預(yù)警率 模板匹配 直觀性好，具有較好的適應(yīng)性 對表情、尺度變換敏感；可變模板的選擇和參數(shù)的確定非常困難 基于知識的方法 適用復(fù)雜圖像中的人臉檢測 依賴先驗知識；多尺度空間遍歷工作量大，運算時間長 18 絡(luò)結(jié)構(gòu)，把模式的統(tǒng)計特性隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)之中。 模板匹配的方法一般是人為地先定義一個標(biāo)準(zhǔn)人臉模板，計算輸入圖像與模板的似然度；然后，確定一個似然度閾值，用以判斷該輸入圖像中是否包含人臉。基于顯式特征的方法是指由人通過肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。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(yù)處 理算法。人臉識別系統(tǒng)一般包括人臉檢測與定位、人 臉圖像預(yù)處理、特征提取和匹配識別四個組成部分。f:39。 subplot(1,2,1),imshow(j)。在本文實例中 ,為了使濾波效果更明顯 ,我們事先為圖像認為增加濾波 ,然后用自適應(yīng)濾波方法對圖像進行濾波。) 效果圖 圖 2)圖像增強 (1)灰度圖像直方圖均衡化 通 過比較原圖和直方圖均衡化后的圖像可見 ,圖像變得更清晰 ,而且均衡化后的直方圖比原直方圖的形狀更理想。 1)圖像類型的轉(zhuǎn)換 因后面的圖像增強 ,邊緣檢測都是針對灰度圖像進行的 ,而我們的原圖是RGB 圖像 ,所以首先我們要對原圖類型進行轉(zhuǎn)換。平滑濾波器可以用低通濾波實現(xiàn) ,目的在于模糊圖像或消除噪聲 。 圖像增強 圖像增強的目的是為了改 善圖像的視覺效果 ,提高圖像的清晰度和工藝的適應(yīng)性 ,以及便于人與計算機的分析和處理 ,以滿足圖像復(fù)制或再現(xiàn)的要求。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計算機科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。 第四章是對人臉圖像識別體系構(gòu)架的設(shè)計，并給出了人臉識別用到的理論知識即直方圖差異對比，并編寫 matlab 代碼實現(xiàn)人臉圖像識別。 根據(jù)人臉 特征點檢測與標(biāo)定的結(jié)果，通過某些運算得到人臉特征的描述（這人臉圖像獲取 人臉檢測 特征提取 人臉識別 6 些特征包括：全局特征和局部特征，顯式特征和統(tǒng)計特征等）。 識別系統(tǒng)構(gòu)成 人類似乎具有“ 與生俱來”的人臉識別能力，賦予計算機同樣的能力是人類的夢想之一，這就是所謂的“人臉識別”系統(tǒng)。使得同一個人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時更會有很大的差別，給識別帶來很大難度。人臉圖像的機器識別研究就是在這種背景下興起的，因為人們發(fā)現(xiàn)許多對于人類而言可以輕易做到的事情，而讓機器來實現(xiàn)卻很難，如人臉圖像的識別，語音識別，自然語言理解等。 在進行人工智能的研究中，人們一直想做的事情就是讓機器具有像人類一樣的思考能力，以及識別事物、處理事物的能力，因此從解剖學(xué)、心理學(xué)、行為感知學(xué) 等各個角度來探求人類的思維機制、以及感知事物、處理事物的機制，并努力將這些機制用于實踐，如各種智能機器人的研制。以及外在的成像過程中的光照，圖像尺寸，旋轉(zhuǎn)，姿勢變化等。 其中涉及到圖像的選取，臉部定位，特征提取，圖像處理和識別幾個過程。 (3)特征提取 通過人臉特征點的檢測與標(biāo)定可以確定人臉圖像中顯著特征點的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同時還可以得到這些器官及其面部輪廓的形狀信息的描述。并做了一個 Matlab 圖像處理功能的實例 第三章主要始涉三個方面：首先是對人臉識別系統(tǒng)的構(gòu)成做詳細論述；其次就是對人臉 識別過程中的關(guān)鍵環(huán)節(jié)人臉檢測、特征提取和圖像預(yù)處理做詳細介紹；最后就是 Matlab 在人臉識別系統(tǒng)中的具體應(yīng)用，即人臉圖像識別的具體技術(shù)，并用 Matlab 進行仿真試驗并得到結(jié)果。利用計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理 。在類型轉(zhuǎn)換的時候 ,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況 ,針對這種情況 , 工具箱中 ,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù) ,如 double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。 (2).空域濾波增強 空域濾波按照空域濾波器的功能又可分為平滑濾波器和銳化濾波器。 圖像處理功能的 Matlab 實現(xiàn)實例 本文通過運用圖像處理工具箱的有關(guān)函數(shù)對一人臉的彩色圖像進行處理。f:\39。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 11 圖 均衡化后的灰度圖像 圖 均衡化前后的直方圖對比圖 (2)灰度圖像平滑與銳化處理 平滑濾 波器的目的在于模糊圖像或消除噪聲 , 圖像處理工具箱提供了 medfilter2()函數(shù)用于實現(xiàn)中值濾波 ,wiener2()實現(xiàn)對圖像噪聲的自適應(yīng)濾波。,0,)。figure,subplot(1,2,1),imshow(i) subplot(1,2,2),imshow(j2) 12 得到的效果圖如圖 和圖 : 加入噪聲的圖像 濾波后的圖像 圖 平滑濾波效果 原灰度圖 像 銳化后的圖像 圖 銳化濾波效果圖 3)邊緣檢測 圖像處理工具箱提供了 edge()函數(shù)實現(xiàn)邊緣檢測 ,還 13 有各種方法算子供選擇 ,在本實例中采用了 canny算子來進行邊緣檢 測 , 程序代碼如下 : i=imread(39。 14 第三章 人臉圖像識別計算機系統(tǒng) 引言 計算機人臉識別是一個非常活躍的研究領(lǐng)域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計算機安全系統(tǒng)以及動態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識別、計算機視覺領(lǐng)域的研究熱點。該系統(tǒng)可對不同條件下的原始圖像進行相應(yīng)的預(yù)處理。 所謂顯式特征是指對人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉 16 部結(jié)構(gòu)等。 Yoo 等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據(jù)橢圓長短軸的比率判斷是否為人 臉。 特征臉法（ eigenface）把單個圖像看成一維向量，眾多的一維向量形成了人臉圖像特征空間，再將其變換到一個新的相對簡單的特征空間，通過計算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息，尋找“人臉”、“非人臉”兩種模式在該特征空間中的分布規(guī)律。)。 s=r*c。r2=x2。 x2=x2+r。 mx=0。Position39。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測、灰度變換三種廣泛應(yīng)用于不同人臉識別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計了一個通用的人臉圖像預(yù)處理仿真系統(tǒng)。下面對本文 24 實現(xiàn)的濾波方法及其選擇依據(jù)加以說明。對于使用基于整體的人臉識別算法的系統(tǒng)中，由于失掉小區(qū)域的細節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。 25 三種灰度變換方法，均能在一定程度上消除由于光照條件不同而對人臉識別帶來的影響。在本仿真系統(tǒng)中通過調(diào)用 MATLAB 中提供的各種圖像類型轉(zhuǎn)換函數(shù)來實現(xiàn) TIF、 JPG 轉(zhuǎn)換為 BMP 格式及彩色到灰度圖像的轉(zhuǎn)換；對圖像二值化，采用了 graythresh()函數(shù)來自 動選擇閾值的二值化方法 [1]；尺寸歸一化采用的算法是對人臉圖像進行剪裁和尺寸縮放，實現(xiàn)去除大部分頭發(fā)、服飾和背景的干擾并將人臉圖像大小統(tǒng)一。同時使用灰度圖像。僅這一部分即可形成一個專用 的圖像處理平臺。 其次，我還要特別感謝我的同學(xué) 范紅杰 以及 杜鋒 ，他們不僅為我提供了部分MATLAB編 程代碼，還細心的給我講解了代碼的含義，讓我對我的課題有了更加深入的了解。, gui_Singleton, ... 39。, [])。 % UIWAIT makes FR_Processed_histogram wait for user response (see UIRESUME) % uiwait()。 % % Outputs from this function are returned to the mand line. 35 function varargout = FR_Processed_histogram_OutputF(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT)。ORL\S39。 else train_hist_img(I(i,j), K) = train_hist_img(I(i,j), K) + 1。 sum = 0。 % % Executes on button press in Testing_button. 38 function Testing_button_Callback(hObject, eventdata, handles) % hObject handle to Testing_button (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global train_img max_hist_level bin_num form_bin_num。 else test_hist_img(I(i,j)) = test_hist_img(I(i,j)) + 1。 else sum = sum + test_hist_img(j)。 end [temp M] = min(img_bin_hist_sum)。)。Correctly Recognized39。,num2str(M),39。String39。defaultUicontrolBackgroundColor39。