圖像處理人臉識別畢業(yè)設計(doc畢業(yè)設計論文)-資料下載頁
2025-06-23 05:15本頁面
【正文】 細的細節(jié)。在人臉識別中，人臉庫先經過小波變換得到分辨率更低的粗略圖像，其特征不會減少，但卻可以極大的減少運算量。samplemean=mean (allsamples)。for i=1:200 xmean (i, :) =allsamples (i, :)samplemean。endsigma=xmean*xmean39。[v d]=eig (sigma)。B=getappdata (,39。src_image39。)。if isequal (B, 0) return。 else if isrgb(B)x=rgb2gray(B)。elsex=B。endN=1wname=39。db139。[Lo_D, Hi_D] = wfilters (wname,39。d39。)。 [r, c]=size(x)。 xd=double(x)。 coef= []。 for i=1: N[row, col]=size (xd)。for j=1: row tmp1=xd (j, :)。cD_mydwt= []。for i=1:1cvl=conv (tmp1, Lo_D)。N=length (cvl)。M=floor (N/2)。i=1: M。 dnl (i) =cvl (2*i)。cvh=conv (tmp1, Hi_D)。N=length (cvh)。M=floor (N/2)。i=1: M。dnh (i) =cvh(2*i)。ca1=dnl。cd1= [cD_mydwt, dnh]。endx1(j, :) =[ca1,cd1]。end[row1,col1]=size(x1)。for k=1:col1tmp2=x1(:, k)。 cD_dwt2= []。 for i=1:1cvl2=conv (tmp2, Lo_D)。 N=length (cvl2)。 M=floor (N/2)。 i=1: M。 dnl2 (i) =cvl2 (2*i)。cvh2=conv (tmp2, Hi_D)。N=length (cvh2)。M=floor (N/2)。i=1: M。dnh2 (i) =cvh2 (2*i)。ca2=dnl2。cd2= [cD_dwt2, dnh2]。endx2(:, k) = [ca2, cd2]39。 。end[row2, col2]=size(x2)。 cA=x2(1:row2/2, 1:col2/2)。 cV=x2(1:row2/2, col2/2+1:col2)。cH=x2(row2/2+1:row2, 1:col2/2)。 cD=x2(row2/2+1:row2, col2/2+1:col2)。xd=cA。outmp= {cV。 cH。cD}。coef= [outmp。 coef]。endcoef= [cA。 coef]。yt=uint8 (coef {1})。axes ()。imshow (yt)。title (39。Approximation39。)。endsrc_image=yt。setappdata(,39。src_image39。,src_image)。 二級小波分解“人臉識別”菜單中包括“訓練”、“識別”兩項。訓練和識別的過程在第二章中已經過了比較詳細的論述，這里不再贅述。 訓練 識別在GUIDE中，各對象的操作都是通過句柄來執(zhí)行的。“圖像處理”菜單中的處理功能都是應用于當前文件的，所謂當前文件就是剛被處理過的文件，每次處理完之后圖像都會全局更新，所以無法恢復。4 總結人臉識別是一個跨學科富挑戰(zhàn)性的前沿課題,但目前人臉識別還處在研究階段,主要是在光線、表情、姿態(tài)變化以及附加物的影響時，很難找到一種算法能適應所有的情況。本文采用的特征提取提和識別的方法是基于奇異值分解的特征提取法，在判斷輸入圖像與訓練圖像之間的類似度時，用了較常用的歐式距離。有待研究的問題還有：一是如何利用各種圖像的特點，對靜態(tài)人臉圖像做相應的預處理，從而克服光照，表情變換對識別的影響，提高人臉識別的魯棒性；二是在人臉識別的特征提取過程中，如何能利用圖像的各種信息，比如灰度統(tǒng)計信息和結構信息，將各種可能的信息集合起來，找到能最大限度利用各種信息的識別方法。人臉識別的方法是很多，各種方法都有各自的優(yōu)缺點。如果能把各種方法融合起來，將會是一個很好的方
畢業(yè)設計相關推薦
鄂ICP備17016276號-1