【文章內(nèi)容簡介】 end imshow(BW)。 end y1=y1+c。 y2=y2+c。 end x1=x1+r。 x2=x2+r。end figure,imshow(BW)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% detection of face object L = bwlabel(BW,8)。BB = regionprops(L, 39。BoundingBox39。)。BB1=struct2cell(BB)。BB2=cell2mat(BB1)。 [s1 s2]=size(BB2)。mx=0。for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 if pmx amp。 (BB2(1,k)/BB2(1,k+1)) mx=p。 j=k。 endendfigure,imshow(I)。hold on。rectangle(39。Position39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。EdgeColor39。,39。r39。 ) 原始圖片 灰度圖片 均衡化灰度圖片 人臉定位 人臉圖像的預處理不同的人臉識別系統(tǒng)根據(jù)其采用的圖像來源和識別算法需要不同，采用的預處理方法也不同。常用的人臉圖像預處理方法有：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。用在同一系統(tǒng)中的可能只有其中一種或幾種預處理方法，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。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用于不同人臉識別系統(tǒng)中的預處理方法基礎上，設計了一個通用的人臉圖像預處理仿真系統(tǒng)。該系統(tǒng)可對不同條件下的原始圖像進行相應的預處理。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處理算法。 仿真系統(tǒng)中實現(xiàn)的人臉圖像預處理方法根據(jù)所查閱文獻資料，常應用于人臉圖像的預處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測及二值化、尺寸歸一化、灰度歸一化等。作為通用人臉圖像預處理模塊，要能夠充分適應不同人臉庫中圖像在人臉大小、光照強度、成像系統(tǒng)等方面的任意性和差異性，不能單獨采用某種單一的濾波、灰度變換和邊緣檢測方法。所以，在本仿真系統(tǒng)中，對上述的每種預處理方法全部加以實現(xiàn)的同時，還對三種最常用預處理方法：濾波去噪、灰度變換、邊緣檢測，提供了多種不同的具體算法供用戶比較、選擇之用。1)濾波去噪由于噪聲給圖像帶來的失真和降質(zhì)，在特征提取之前采用濾波的方式來去除噪聲是實際人臉識別系統(tǒng)中所必須的步驟。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關于各種濾波方法的原理和分類可參考文獻[2]。下面對本文實現(xiàn)的濾波方法及其選擇依據(jù)加以說明。在人臉圖像預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、自適應濾波。（1）線性濾波最典型的線性濾波方法如，采用鄰域平均法的均值濾波器、采用鄰域加權平均的高斯濾波和維納濾波。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。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?？紤]濾波模板大小對濾波效果影響較大，仿真系統(tǒng)選擇算法時對同種濾波算法提供了不同模板大小的情況。（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。中值濾波方法的最大優(yōu)點是抑制噪聲效果明顯且能保護邊界。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。（3）自適應濾波自適應濾波能夠根據(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。2)灰度變換灰度變換是圖像增強技術中的一種。通過灰度變換，可對原始圖像中的光照不均進行補償，使得待識別人臉圖像遵循同一或相似的灰度分布。只有這樣，不同圖像在特征提取和識別時才具有可比性。這一過程，也被稱作灰度歸一化。常用在人臉識別系統(tǒng)中的灰度變換方法主要有：基于圖像統(tǒng)計特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標準化三種方法。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實現(xiàn)方法可由matlab仿真來實現(xiàn)。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。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)邊緣檢測對輸入人臉圖像進行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時采用的預處理方法。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。每種算子對不同方向邊緣的檢測能力和抑制噪聲的能力都不同。所以，和灰度變換及濾波去噪部分的設計思路相同，在仿真系統(tǒng)中，筆者給出了canny、sobel、log、prewitt四種算子在不同灰度閾值下、不同方向的邊緣檢測算法，使用者可從檢測結(jié)果中加以比較、選擇合適的算法。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)常使用的預處理方法。為了在不修改其他算法的基礎上，擴大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預處理中的第一步。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。第四章 基于直方圖的人臉識別實現(xiàn)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。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。直方圖均衡化的優(yōu)點是能自動地增強整個圖像的對比度,但它的具體的增強效果不好控制,處理的結(jié)果總是得到全局均衡化的直方圖。實際中有時需要變換直方圖使之成為某個需要的形狀,從而有選擇地增強某個灰度值范圍內(nèi)的對比度或使圖像灰度值的分布滿足特定的要求,這時可以采用比較靈活的直方圖規(guī)定化方法。 人臉識別的matlab實現(xiàn) 用戶界面 實現(xiàn)結(jié)果 本章小結(jié)在過去十年中基于直方圖方法證其明簡單性和有用性。 最初這種想法基于顏色直方圖。 此算法提供我們的建議技術名為直方圖處理人臉識別的第一部分。同時使用灰度圖像。 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。 第二，平均從存儲載體的連續(xù)九個頻率的計算，并存儲在另一個載體，供以后使用，在測試階段。 此均值向量用于計算平均值的曾受訓練的圖像和測試圖像絕對差異。 最后確定最小差異的圖像與測試圖像匹配， 識別的準確性是 %第五章 結(jié)語基于matlab數(shù)字圖像處理與識別系統(tǒng)其實是一個范圍很大的應用系統(tǒng)，作者在此只是有針對性、有選擇地進行了一些開發(fā)和實現(xiàn)。該系統(tǒng)的主要功能模塊共有二個：（1）數(shù)字圖像處理的基本方法；（2）人臉識別。 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)圖像預處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。僅就這一部分而言，就有很多可以繼續(xù)完成的工作，可將其它一些數(shù)字圖像處理方法進一步加以實現(xiàn)，如圖像的平滑，圖像矩陣的變換（KL變換、Fourier變換、小波變換等），圖像的膨脹腐蝕、圖像的幾何變換（平移、旋轉(zhuǎn)、縮放等），以及各種編碼圖像的讀寫與顯示。僅這一部分即可形成一個專用的圖像處理平臺。關于“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)。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。而在現(xiàn)實生活中采集到的人臉圖像則會受到很多因素的影響，識別率就未必能達到要求了。若要進一步提高識別率和適用范圍，則還需要結(jié)合其它算法，如PCA、神經(jīng)網(wǎng)絡等。致謝在大學的學習生活即將結(jié)束，在做畢業(yè)設計的這段時間里，我的老師、同學、朋友和家人給予了我無微不至的關心，毫無保留的指導和耐心細致的幫助，借此畢業(yè)論文完成之際，謹向他們致以我最真誠的感謝！首先，我衷心感謝我的導師林森老師。林老師學識淵博、治學嚴謹、平易近人，他以其寬廣的視野、敏銳的洞察力、嚴謹?shù)闹螌W態(tài)度在學術上給了我悉心的指導。論文進展并不順利時，是林老師以長者的仁愛胸懷對我表示了理解，不僅幫我指正了論文的方向，而且為我提供了大量的參考文獻和網(wǎng)頁論壇，導師勤勉的敬業(yè)精神和一絲不茍的工作態(tài)度使我深深感動，這將是我一生工作和學習的好榜樣。其次，我還要特別感謝我的同學范紅杰以及杜鋒，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。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愛和支持，濃濃的親情和期盼都是我學習的動力和源泉。再次真心的感謝所有關心愛護我的良師益友和親人們參考文獻[1] 祝磊，[J].計算機學報，2007，34（6）：1221251 [2] 何東風，[J].計算機學報，2003，13（12）7578[3] ,Younus FazleBasit Javed和Usman Qayyum”,采用直方圖的人臉識別和處理”,第三階段僅相關新興技術研報告。[4] 何國輝，[J].中國圖像圖形學報，2006，32（19）：208211.[5] 王聃，賈云偉，[J].自動化學報，2005，21（73）.[6] 張儉鴿，王世卿，[J].自動化學報，2007，23（21）.[7] 曹林，王東峰，劉小軍，[J].電子學報，2006，28（3）490494[8] 焦峰，山世光，崔國勤，高文，[J].自動化學報，2003，15（1）：53