【正文】 碼如下 : i=imread(39。銳化處理的目的在于強調(diào)圖像被模糊的細節(jié) ,在本實例中采用了預(yù)定義高斯濾波器的方法對圖像進行銳化濾波。)。 15 系統(tǒng)基本機構(gòu) 人臉識別是一個復(fù)雜的過程，一個計算機人臉識別的流程如圖 31 所示。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)。 BW=im2bw(I)。s2=y2。 if pmx amp。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。 2)灰度變換 灰度變換是圖像增強技術(shù)中的一種。 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。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。, FR_Processed_histogram_OpeningF, ... 39。 total_sub = 40。\39。 end end train_processed_bin(K,i) = sum/bin_num。 sum = 0。 getString_start=strfind(pathname,39。 else display ([ 39。String39。)。 end % % Executes on button press in Input_Image_button. function Input_Image_button_Callback(hObject, eventdata, handles) % hObject handle to Input_Image_button (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global filename pathname I [filename, pathname] = uigetfile(39。Testing Done39。\39。 sum = 0。 [rows cols] = size(I)。 train_processed_bin(K,i) = sum/bin_num。 36 train_hist_img = zeros(max_hist_level, train_img)。 end % End initialization code DO NOT EDIT % % Executes just before FR_Processed_histogram is made visible. function FR_Processed_histogram_OpeningF(hObject, eventdata, handles, varargin) % This function has no output args, see OutputF. % hObject handle to figure % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) 34 % varargin mand line arguments to FR_Processed_histogram (see VARARGIN) % Choose default mand line output for FR_Processed_histogram = hObject。, mfilename, ... 39。 在“數(shù)字圖像處理的基本方法”這一部分，用到的一些基本方法和一些最常用的處理方法來實現(xiàn)圖像預(yù)處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。圖像類型轉(zhuǎn)換、圖像二值化、尺寸歸一化也是一些人臉識別系統(tǒng)中經(jīng)常使用的預(yù)處理方法。 （ 2）中值濾波法中值濾波法是一種非線性濾波方法，它把像素及其鄰域中的像素按灰度級進行排序，然后選擇該組的中間值作為輸出像素值。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、尺寸歸一化、灰度歸一化等。 BB2=cell2mat(BB1)。 if pr=100 BW(x1:x2, y1:y2)=0。 以上四種方法的優(yōu)缺點比較見表 32 表 32 基于隱式特征方法的特征 檢測方法 優(yōu)點 缺點與需要改進的地方 本征臉法 標準人臉模板能抽象人臉全部信息，運算不涉及迭代耗費時間短 但模板檢測效率低，多模板提高了效率也增加了檢測時間 神經(jīng)網(wǎng)絡(luò)法 檢測效率高，錯誤報警數(shù)目不多 ，訓(xùn)練成熟的網(wǎng)絡(luò)監(jiān)測速度快 多樣本訓(xùn)練耗費時間多，但網(wǎng)絡(luò)監(jiān)測錯誤報警數(shù)目多 支撐向量機機法 比神經(jīng)網(wǎng)絡(luò)方法具有更好的泛化能力，能對為觀測到的例子進行有效分類 “非人臉”樣本復(fù)雜多樣，造成支持向量數(shù)目多，運算復(fù)雜度大 19 基于積分圖像分析法 檢測速度快，基本滿足實時檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡(luò)法比較 錯誤報警數(shù)目少時，檢測率不高 運用 matlab 仿真進行人臉檢測定位實例： 人臉檢測定位程序： %%%%% Reading of a RGB image i=imread(39。除了RGB 顏色空間，還有諸如 HIS， LUV， GLHS 等其它顏色空間被使用。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫中采集到的原始圖像質(zhì)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(yù)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。,2,)。imshow(j)。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log算子等。 圖像類型的轉(zhuǎn)換 Matlab 支持多種圖像類型 ,但在某些圖像操作中 ,對圖像的類型有要求 ,所以要涉及到對圖像類型進行轉(zhuǎn)換。系統(tǒng)在輸入人臉圖像的同時輸入一個用戶宣稱的該人臉的身份信息，系統(tǒng)要對該輸入人臉圖像的身份與宣稱的身份是否相符作出判斷。 表 11 人臉識別的應(yīng)用 應(yīng)用 優(yōu)點 存在問題 信信用卡、汽車駕照、護照以及個人身份驗證等 圖像攝取可控 圖像分割可控 圖像質(zhì)量好 需要建立龐大的數(shù)據(jù)庫 嫌疑犯照片匹配 圖像質(zhì)量不統(tǒng)一 多幅圖像可用 潛在的巨大圖像庫 4 互聯(lián)網(wǎng)應(yīng)用 視頻信息價值高多人參與 存在虛假 銀行 /儲蓄安全 監(jiān)控效果好 圖像分割不可控 圖像質(zhì)量較差 人群監(jiān)測 圖像質(zhì)量高 可利用攝像圖像 圖像分割自由 圖像質(zhì)量低、實時性 本文研究的問題 本文介紹了人臉圖像識別 中所應(yīng)用 MATLAB 對圖像進行預(yù)處理，應(yīng)用該工具箱對圖像進行經(jīng)典圖像處理 ,通過實例來應(yīng)用 matlab 圖像處理功能，對某一特定的人臉圖像處理，進而應(yīng)用到人臉識別系統(tǒng)。首先闡述了人臉圖像識別意義；然后介紹了人臉圖像識別研究中存在的問題；接著介紹了自動人臉識別系統(tǒng)的一般框架構(gòu)成；最后簡要地介紹了本文的主要工作和章節(jié)結(jié)構(gòu)。 國外對于人臉圖像識別的研究較早，現(xiàn)己有實用系統(tǒng)面世，只是對于成像條件要求較苛刻，應(yīng)用范圍也就較窄，國內(nèi)也有許多科研機構(gòu)從事這方而的研究，并己取得許多成果。通過將輸入人臉圖像與人臉數(shù)據(jù)庫中的所有已知原型人臉圖像計算相似度并對其排序來給出輸入人臉的身份信息。 圖像處理的基本操作 讀取和顯示圖像可以通過 imread()和 imshow()來實現(xiàn) 。在 Matlab 中 ,各種濾波方法都是在空間域中通過不同的濾波算子實現(xiàn) ,可用 fspecial()函數(shù)來創(chuàng)建預(yù)定義的濾波算子 ,然后可以使用 imfilter()或 filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對圖像進行濾波。f:\39。subplot(1,2,2),imshow(j1)。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)像進行復(fù)原，為后續(xù)的特征提取和識別作準備。 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。 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。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。BoundingBox39。,39。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。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。 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。 [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 .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 result