【正文】 征信息與預(yù)設(shè)人臉特征信息進(jìn)行對比甄別時，還有受到一些外界因素，譬如光照強(qiáng)度、人臉角度、距離遠(yuǎn)近等因素的影響，因此，本文的設(shè)計還具有較大的提升空間。為了實現(xiàn)對多種圖像類型的處理范圍，因此，對輸入的圖像進(jìn)行統(tǒng)一化處理往往是實現(xiàn)人臉圖像預(yù)處理的首要工作。對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。 39。我們一般所認(rèn)同的顯式特征是指人可以通過眼睛所獲得的特征，這些特征主要包括人的臉型、膚色、面部特征等等。前面的方法是將圖像視為一類二維信號的組合，最后通過傅里葉變換來實現(xiàn)增強(qiáng)。 本文的研究內(nèi)容及研究步驟根據(jù)目前已有的研究成果，本文在研究內(nèi)容上有以下幾個方面的安排。關(guān)鍵詞：人臉識別， MATLAB，模擬仿真 21 緒論 所謂人臉識別技術(shù)，是一種以人的臉部特征信息為身份識別手段的人工智能技術(shù)。本系統(tǒng)以圖像選取、圖像定位、特征提取、圖像處理和識別為主要分析步驟，最終憑借灰度圖像的直方圖實現(xiàn)了對人臉信息的識別。因此，隨著人工智能技術(shù)的進(jìn)一步發(fā)展和普及，人臉識別系統(tǒng)將擁有十分廣大的發(fā)展前景，將會在越來越多的領(lǐng)域發(fā)揮積極作用。一般而言，圖像增加技術(shù)可以分為兩類，即頻率域法和空間域法。 基本框架圖 人臉檢測定位算法現(xiàn)階段，對于人臉檢測定位的算法一般可以分為兩種，一種是基于顯式特征的方法，另外一種是基于隱式特征的方法。EdgeColor39。對圖像進(jìn)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。另外，對所需圖像類型的轉(zhuǎn)換、圖像的二值化處理和尺寸歸一化也是在人臉識別系統(tǒng)中十分常見的預(yù)處理手段。在本文圖像處理環(huán)節(jié)過程中，用到了灰度處理、格式歸一、尺寸歸一等技術(shù)手段，并最終選擇通過人臉圖像直方圖的對比來實現(xiàn)人臉識別的功能。在日后的學(xué)習(xí)生活中我也會吸取這次寫作的經(jīng)驗和教訓(xùn)，力求在論文的寫作上有更大的提高。得到的數(shù)據(jù)用于對比預(yù)存圖像與采集圖像的相關(guān)性與差異性，從而最終得出與預(yù)存圖像差異最小的采集圖像，并將其認(rèn)定為圖像匹配。這三種方法的使用都可以部分消除由于光照而造成的人臉識別的負(fù)面影響。目前，濾波技術(shù)有多種方法，比如平滑濾波、銳化濾波等等，這些濾波方法在使用過程中都可以參考相關(guān)文獻(xiàn)和資料來加以運(yùn)用。Position39。目前，不同的人臉識別系統(tǒng)由于圖像源和識別技術(shù)的不同，在圖像預(yù)處理方法也存在很大的差異。我們可以通過利用Matlab函數(shù)rgb2gray()，將彩色圖像轉(zhuǎn)換成灰度圖像。即便是同一個人，在不用的環(huán)境和裝飾下其拍攝效果也會存在很大的不同，這些外界因素所造成的差異都直接或間接地增加了人臉識別系統(tǒng)的開發(fā)難度。它不僅能夠推動人們對自身感官系統(tǒng)的認(rèn)識，還能夠進(jìn)一步開發(fā)人工智能技術(shù)，實現(xiàn)各種滿足現(xiàn)實需求的實際功能。眾所周知，人臉識別系統(tǒng)是集人工智能、模型構(gòu)建、圖像處理、信息識別等技術(shù)于一身的綜合系統(tǒng)，是目前同指紋識別系統(tǒng)一樣屬于最新的生物特征識別系統(tǒng)。從技術(shù)層面來看，要想實現(xiàn)對人臉特征信息的識別，首先該系統(tǒng)能夠自動對所采集到的照片信息進(jìn)行檢測，檢測其中是否有人臉圖像，然后將該數(shù)據(jù)結(jié)果進(jìn)行初步反饋；如果檢測到了人臉信息，則該系統(tǒng)要能夠?qū)θ四樞畔⑦M(jìn)行進(jìn)一步處理，提取主要特征信息，最后將該信息與預(yù)存人臉特征信息相比對，從而完成身份識別與檢測，得出最后驗證的結(jié)論。通過使用histeq()函數(shù)、imhist()函數(shù)來完成對直方圖的計算和顯示功能。其中，特征臉法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法等均屬于這類方法。 1)； 人臉圖像的預(yù)處理本文基于濾波去噪、邊緣檢測、灰度變換三種圖像預(yù)處理方法，設(shè)計了一個實用性較好的人臉圖像預(yù)處理仿真模擬系統(tǒng)。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(xì)節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。眾所周知，直方圖均衡化技術(shù)可以實現(xiàn)對動態(tài)范圍較小圖像反差效果的增強(qiáng)。[4] 何國輝，[J].中國圖像圖形學(xué)報，2006，32（19）：208211.[5] 王聃，賈云偉，[J].自動化學(xué)報，2005，21（73）.[6] 張儉鴿，王世卿，[J].自動化學(xué)報，2007，23（21）.[7] 曹林，王東峰，劉小軍，[J].電子學(xué)報，2006，28（3）490494[8] 焦峰，山世光，崔國勤，高文，[J].自動化學(xué)報，2003，15（1）：5358[9] Wangmeng Zuo，Kuanquan Wang，David Zhang，Hongzhi Zhang. Combination of two novel LDAbased methods for face recognition[J].Proceedings of the IEEE，2007：735742[10] 徐倩，[J].計算機(jī)學(xué)報，2007，43（25）：195197[11] 劉貴喜，[J].自動化學(xué)報，2002，28（6）：927934[12] 周嬪，馬少平，[J].自動化學(xué)報，2000，28（1）：122124 [13] 王蘊(yùn)紅，范偉，[J].電子學(xué)報，2005，28（10）：16571662[14] 莊哲民，張阿妞，[J].中國圖像圖形學(xué)報，2007，29（9