【正文】 像的灰度間距拉開(kāi)或者使圖像的灰度分布圖像的灰度變換處理是圖像增強(qiáng)處理技術(shù)中一種非?；A(chǔ)、直接的空間域圖像處理方法，也是圖像數(shù)字化軟件和圖像顯示軟件的一個(gè)重要組成部分。點(diǎn)運(yùn)算與局部運(yùn)算的差別在于：后者每個(gè)輸出像素的灰度值，由對(duì)應(yīng)輸入像素的一個(gè)臨域內(nèi)幾個(gè)像素的灰度值決定。)。[m,n]=size(I)。 對(duì)于加性噪聲而言，其特點(diǎn)是和圖像光強(qiáng)大小無(wú)關(guān)。figure(1),imshow(I)。imshow(I)?，F(xiàn)采用直方圖均衡的方法來(lái)進(jìn)行處理,圖像的低灰度區(qū)域有了較大擴(kuò)展 ,而高灰度區(qū)域得到了壓縮。imshow (H)。figure(2)。 算法流程20 世紀(jì) 90 年代以來(lái), 隨著需要的劇增, 人面識(shí)別技術(shù)成為一個(gè)熱門的話題. 作為生物識(shí)別中的一種, 人面識(shí)別具有更直接、友好, 使用者無(wú)任何心理障礙的特點(diǎn). 雖然在這方面的研究已經(jīng)取得了一些可的成果, 但在實(shí)際應(yīng)用中仍面臨著許多嚴(yán)峻的問(wèn)題. 在絕大部分人面識(shí)別技術(shù)中, 都需要進(jìn)行人臉的定位, 特別是眼睛的準(zhǔn)確定位, 這是由于兩眼間距受光照或表情變化的影響最小, 所以常被用作幾何特或圖像尺寸的歸一化標(biāo)準(zhǔn). 人眼定位的方法已有很多, 有區(qū)域分割法、邊緣提取法、灰度投影法模板匹配 等方法。設(shè)二值圖像為，大小為,非零像素值為，設(shè)第列的非零像素點(diǎn)的數(shù)目為,設(shè)第行非零像素點(diǎn)的數(shù)目為，則： （） （）因此，行投影，就是對(duì)軸投影，得到的值最大的那一點(diǎn)。圖為從圖像中檢測(cè)出來(lái)的人臉區(qū)域。本方法中因?yàn)橐汛致远ㄎ怀鲅劬Φ膮^(qū)域 ，且也已經(jīng)沒(méi)有了鼻、嘴等器官的影響 ,所以對(duì)圖像連續(xù)作水平和垂直投影取其交點(diǎn)即定位為人眼位置，定位準(zhǔn)確率會(huì)有所提高。 算法的改進(jìn)與前景計(jì)算機(jī)人臉識(shí)別是近年來(lái)非?；钴S的研究領(lǐng)域。（5）孫曉玲，侯德文編著。數(shù)字圖像處理及MATLAB實(shí)現(xiàn)。這種方法不僅能定位標(biāo)準(zhǔn)正面人臉 ,而且對(duì)于有輕微偏轉(zhuǎn)的人臉定位也較準(zhǔn)確 ,總體實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單 ,且運(yùn)算速度快 ,計(jì)算復(fù)雜度低。首先,對(duì)眉眼區(qū)域圖像進(jìn)行去噪、增強(qiáng)處理。平滑后的垂直灰度投影曲線如圖所示。模板匹配 是一種有效的模式識(shí)別技術(shù) ,它能利用圖像信息和有關(guān)識(shí)別模式的先驗(yàn)知識(shí) ,更加直接地反映圖像之間的相似度 ,傳統(tǒng)的模板匹配方法首先要分別得到左眼和右眼模板 ,然后分別用左右眼模板在圖像中進(jìn)行匹配 ,得到兩個(gè)相似度最大的點(diǎn)作為定位的眼睛 ,這種方法比較簡(jiǎn)單 , 但計(jì)算量較大 ,定位準(zhǔn)確率較低。因此在公安系統(tǒng)、銀行系統(tǒng)、 ,它涉及到圖像處理、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)以及神經(jīng)科學(xué)等學(xué)科 ,受到研究人員的重視。)。imshow(J)。直方圖能給出該圖像的概貌性描述，例如圖像的灰度范圍、每個(gè)灰度級(jí)的頻度和灰度的分布、整幅圖像的平均明暗和對(duì)比度等，由此可得出進(jìn)一步處理的重要依據(jù)。 （a） 原始圖像 （b）中值濾波 中值濾波處理結(jié)果 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。有時(shí)，為了突出原點(diǎn)本身的重要性，以便盡量抑制圖像中的模糊效應(yīng)，在模板中心和較近的元素，可以賦以大的加權(quán)值。 圖像系統(tǒng)噪聲的特點(diǎn)對(duì)灰度圖像來(lái)說(shuō)，可看作是二維亮度分析，則噪聲可看作是對(duì)亮度的干擾，用 來(lái)表示。但對(duì)大多數(shù)圖像而言，人們不知道或不可能用簡(jiǎn)單的隨機(jī)過(guò)程精確地描述統(tǒng)計(jì)模型，而且，這些技術(shù)的計(jì)算量也相當(dāng)大。figure,imshow(I)。figure(2),imshow(I) (a) 原始圖像 (b) 灰度化圖像 彩色圖像的灰度化 圖像灰度求反對(duì)圖像求反是將原圖灰度值翻轉(zhuǎn)，簡(jiǎn)單說(shuō)來(lái)就是使黑變白，使白變黑。選擇的標(biāo)準(zhǔn)是:經(jīng)過(guò)灰度變換后，像素動(dòng)態(tài)范圍增加，圖像的對(duì)比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩，容易識(shí)別。最后利用人眼模板沿著該垂直方向進(jìn)行匹配程度最高的部分即為要定位的人眼位置。這類方法定位準(zhǔn)確,但算法復(fù)雜,計(jì)算量大。而且只要眼睛被精確定位，則臉部其他器官，如眉、鼻、嘴等，可由潛在的分布關(guān)系比較準(zhǔn)確地定位。(7)人臉識(shí)別由于人臉識(shí)別不干擾使用者，不侵犯使用者的隱私，屬于非侵犯性的主動(dòng)識(shí)別，易于為用戶所接受，而且成本也不高，因此人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段。它不是針對(duì)特定應(yīng)用的，而是提供了靈活且可擴(kuò)展的視聽(tīng)內(nèi)容描述框架以實(shí)現(xiàn)各種傳輸媒體的共享訪問(wèn)和交換、強(qiáng)調(diào)基于內(nèi)容的交互性、可重用性、可伸縮性。隨著網(wǎng)絡(luò)技術(shù)和桌上視頻的廣泛采用，圖像捕捉設(shè)備正在成為個(gè)人計(jì)算機(jī)的標(biāo)準(zhǔn)外設(shè)，為視頻會(huì)議等服務(wù)所急需的技術(shù)— 基于內(nèi)容的壓縮與檢索成為一個(gè)研究熱點(diǎn)。本文所研究的人眼識(shí)別對(duì)象都是針對(duì)單人正面或半側(cè)面圖像。人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)，但是早期的人臉識(shí)別研究主要針對(duì)具有較強(qiáng)約束條件的人臉圖像(如無(wú)背景人臉圖像等)，往往假設(shè)人臉位置己知或很容易獲得，因此人臉檢測(cè)問(wèn)題未引起研究者的充分重視。顯然，只有實(shí)現(xiàn)基于語(yǔ)義層次上的檢索，結(jié)果才能接近用戶所要檢索內(nèi)容的要求，所得的結(jié)果才能和用戶對(duì)視頻內(nèi)容的表述一致，比如要檢索“有喬丹參加的籃球比賽”的電視節(jié)目。多數(shù)情況下，人的活動(dòng)和面部表情成了關(guān)注的焦點(diǎn)。 論文的主要內(nèi)容人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此，對(duì)這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。本文主要討論在靜止灰度單人圖像中人眼檢測(cè)的問(wèn)題。Hough變換法檢測(cè)瞳孔的圓形特征或眼瞼形成的橢圓特征,所需計(jì)算量大。圖像中每一點(diǎn)的運(yùn)算就被完全確定下來(lái)。)。 (a)原始圖像 (b) 灰度拉伸結(jié)果 圖像灰度拉伸結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。一類是全局處理，即對(duì)噪聲圖像的整體或大的塊進(jìn)行校正以得到平滑的圖像。（4）系統(tǒng)內(nèi)部電路噪聲。可以這樣說(shuō)明， 在上按行（或列）對(duì)每個(gè)像素選取一定尺寸的鄰域，并用鄰域中鄰近像素的平均灰度來(lái)置換這一像素值，對(duì)全部像素處理后可獲得。 中值濾波中值濾波法也是一種局部平均平滑技術(shù)。因此，正確選擇窗口尺寸的大小是用好中值濾波的重要環(huán)節(jié)。imshow(I)。設(shè)一幅圖像的灰度值為級(jí),灰度值為的象素?cái)?shù)為,此時(shí)得到總像素?cái)?shù): ()各值的概率為: ()然后將像素用k將其分成兩組和,則各組的概率為:的概率: ()的概率: ()的平均值: () 的平均值: ()其中: 是圖像的整體灰度平均值, 是閾值為時(shí)灰度的平均值,定義、兩組間的方差如() 式所示: ()尋找 間使得上式取最大值的,即可得到閾值。figure,imshow(Z)； (a) 均衡化圖像 (b) 二值化結(jié)果圖 圖像二值化結(jié)果圖第三章 人眼定位算法本章節(jié)是本文的重點(diǎn)，主要介紹了靜止灰度單人圖像中人眼檢測(cè)的問(wèn)題，提出了快速有效的檢測(cè)算法。目前的眼睛定位方法較多 ,但各有其優(yōu)缺點(diǎn)。在人臉左右邊界處,垂直方向上亮度值的總和迅速減小,形成一個(gè)明顯的凹谷。那么曲線中的最大值點(diǎn)和次最大值點(diǎn)之間的低谷對(duì)應(yīng)人眼 ,因此原人臉圖像中對(duì)應(yīng)最大值點(diǎn)和次最大值點(diǎn)之間的那部分圖像即對(duì)應(yīng)人眼所處的大致水平位置，這樣就將原來(lái)的人臉圖像縮小到大致只有眉毛和眼睛的小區(qū)域 。在人臉?lè)轿徽{(diào)整中對(duì)眼睛的準(zhǔn)確定位是必不可少的步驟，這是因?yàn)閮裳壑行拈g距受光照或表情變化的影響最小，雙眼中心連線的方向隨人像的偏轉(zhuǎn)而偏轉(zhuǎn)，可以作為圖像旋轉(zhuǎn)的依據(jù)。圖像處理與識(shí)別。在論文的完成過(guò)程中，還得到閻國(guó)梁老師的多方面的指導(dǎo)、教誨和幫助。本文所采用的方法快速、簡(jiǎn)單,可滿足弱實(shí)時(shí)應(yīng)用。 總結(jié)人臉由眼睛、鼻子、嘴巴、下巴等器官構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此對(duì)這些器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。人眼水平位置的預(yù)估當(dāng)人臉的左右邊界確定之后,取左右邊界之間的人臉區(qū)域作為研究對(duì)象。下面以圖為例說(shuō)明算法過(guò)程。整個(gè)過(guò)程如圖 1所示: 圖像直方圖均衡化圖像二值化處理根據(jù)積分投影定位眼睛的大概位置眼睛精確定位的圖像找到眼睛的精確位置圖像中值濾波輸入圖像圖像灰度化用積分投影將圖像縮到眉眼區(qū)域 圖31 眼睛精確定位步驟流程圖 人臉識(shí)別的常用方法根據(jù)表征方式的不同,人臉識(shí)別常用的方法大致分為基于幾何特征的識(shí)別、基于代數(shù)特征的識(shí)別和基于神