【正文】 以，和灰度變換及濾波去噪部分的設(shè)計(jì)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(cè)算法，使用者可從檢測(cè)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(shí)別系統(tǒng)中經(jīng)常使用的預(yù)處理方法。為了在不修改其他算法的基礎(chǔ)上，擴(kuò)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(yù)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(shí)現(xiàn)TIF、JPG轉(zhuǎn)換為BMP格式及彩色到灰度圖像的轉(zhuǎn)換；對(duì)圖像二值化，采用了graythresh()函數(shù)來自動(dòng)選擇閾值的二值化方法[1]；尺寸歸一化采用的算法是對(duì)人臉圖像進(jìn)行剪裁和尺寸縮放，實(shí)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。4 基于直方圖的人臉識(shí)別實(shí)現(xiàn)用灰度直方圖增強(qiáng)圖像對(duì)比度是基于圖像灰度值統(tǒng)計(jì)的一種重要方法,它以概率論為基礎(chǔ)的,常用的實(shí)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(qiáng)動(dòng)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(qiáng)了像素灰度值的動(dòng)態(tài)范圍,從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。直方圖均衡化的優(yōu)點(diǎn)是能自動(dòng)地增強(qiáng)整個(gè)圖像的對(duì)比度,但它的具體的增強(qiáng)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(shí)際中有時(shí)需要變換直方圖使之成為某個(gè)需要的形狀,從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度或使圖像灰度值的分布滿足特定的要求,這時(shí)可以采用比較靈活的直方圖規(guī)定化方法。 人臉識(shí)別的matlab實(shí)現(xiàn) 用戶界面 實(shí)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(jiǎn)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(shù)名為直方圖處理人臉識(shí)別的第一部分。同時(shí)使用灰度圖像。 第一，每個(gè)灰度級(jí)的頻率是計(jì)算并存儲(chǔ)在媒介作進(jìn)一步處理。 第二，平均從存儲(chǔ)載體的連續(xù)九個(gè)頻率的計(jì)算，并存儲(chǔ)在另一個(gè)載體，供以后使用，在測(cè)試階段。 此均值向量用于計(jì)算平均值的曾受訓(xùn)練的圖像和測(cè)試圖像絕對(duì)差異。 最后確定最小差異的圖像與測(cè)試圖像匹配， 識(shí)別的準(zhǔn)確性是 %結(jié)論基于matlab數(shù)字圖像處理與識(shí)別系統(tǒng)其實(shí)是一個(gè)范圍很大的應(yīng)用系統(tǒng)，我在此只是有針對(duì)性、有選擇地進(jìn)行了一些開發(fā)和實(shí)現(xiàn)。該系統(tǒng)的主要功能模塊共有二個(gè)：（1）數(shù)字圖像處理的基本方法；（2）人臉識(shí)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(shí)現(xiàn)圖像預(yù)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(jìn)一步加以實(shí)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(gè)專用的圖像處理平臺(tái)。關(guān)于“人臉識(shí)別”，在了解了人臉識(shí)別的各種方法后，選擇了圖像直方圖差值比較進(jìn)行了實(shí)現(xiàn)。該方法能較好地實(shí)現(xiàn)人臉的分類，但對(duì)人臉圖像的要求較高，目前僅是采用Orl的標(biāo)準(zhǔn)人臉庫(kù)中的圖像來進(jìn)行測(cè)試，因此能獲得較高的識(shí)別率。而在現(xiàn)實(shí)生活中采集到的人臉圖像則會(huì)受到很多因素的影響，識(shí)別率就未必能達(dá)到要求了。若要進(jìn)一步提高識(shí)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(luò)等。參考文獻(xiàn)[1] 祝磊，[J].計(jì)算機(jī)學(xué)報(bào)，2007，34（6）：1221251 [2] 何東風(fēng)，[J].計(jì)算機(jī)學(xué)報(bào)，2003，13（12）7578[3] ,Younus FazleBasit Javed和Usman Qayyum”,采用直方圖的人臉識(shí)別和處理”,第三階段僅相關(guān)新興技術(shù)研報(bào)告。[4] 何國(guó)輝，[J].中國(guó)圖像圖形學(xué)報(bào)，2006，32（19）：208211.[5] 王聃，賈云偉，[J].自動(dòng)化學(xué)報(bào)，2005，21（73）.[6] 張儉鴿，王世卿，[J].自動(dòng)化學(xué)報(bào)，2007，23（21）.[7] 曹林，王東峰，劉小軍，[J].電子學(xué)報(bào)，2006，28（3）490494[8] 焦峰，山世光，崔國(guó)勤，高文，[J].自動(dòng)化學(xué)報(bào)，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(jì)算機(jī)學(xué)報(bào)，2007，43（25）：195197[11] 劉貴喜，[J].自動(dòng)化學(xué)報(bào)，2002，28（6）：927934[12] 周嬪，馬少平，[J].自動(dòng)化學(xué)報(bào)，2000，28（1）：122124 [13] 王蘊(yùn)紅，范偉，[J].電子學(xué)報(bào)，2005，28（10）：16571662[14] 莊哲民，張阿妞，[J].中國(guó)圖像圖形學(xué)報(bào)，2007，29（9）：20472049[15] L. Wiskott, J. M. Fellous, N. Kuiger and C. Vonder Malsburg, “Face Recognition by Elastic Bunch Graph Matching,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 9, No. 7, 1997, pp. 775779. doi:[16] O39。Toole AJ, Jiang F, Abdi H, Haxby JV (2005) Partially distributed representations of objects and faces in ventral temporal cortex. J Cogn Neurosci 17: 580–590.[17] Delac, K., Grgic, M., Liatsis, P. (2005). Appearancebased Statistical Methods for Face Recognition. Proceedings of the 47th International Symposium ELMAR2005 focused on Multimedia Systems and Applications, Zadar, Croatia, 0810 June 2005, pp. 151–158[18] V. Blanz and T. Vetter. A morphable model for the synthesis of 3d faces. In Computer Graphics,Annual Conference Series, pages 187–194. Siggraph, August 1999.[19] C. Bregler, M. Covell, and M. Slaney. Video rewrite: driving visual speech with audio. In Computer Graphics, pages 353–360. Siggraph, 1997 ().[20] B. Dariush, S. B. Kang, and K. Waters. Spatiotemporal analysis of face profiles: detection, segmentation,and registration. In Proc. of the 3rd International Conference on Automatic Face and Gesture Recognition, pages 248–253. IEEE, 1998. 致謝在廣東工業(yè)大學(xué)的學(xué)習(xí)生活即將結(jié)束，在做畢業(yè)設(shè)計(jì)的這段時(shí)間里，我的老師、同學(xué)、朋友和家人給予了我無微不至的關(guān)心，毫無保留的指導(dǎo)和耐心細(xì)致的幫助，借此畢業(yè)論文完成之際，謹(jǐn)向他們致以我最真誠(chéng)的感謝！首先，我衷心感謝我的導(dǎo)師何家峰老師。何老師學(xué)識(shí)淵博、治學(xué)嚴(yán)謹(jǐn)、平易近人，他以其寬廣的視野、敏銳的洞察力、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度在學(xué)術(shù)上給了我悉心的指導(dǎo)。論文進(jìn)展并不順利時(shí)，是何老師以長(zhǎng)者的仁愛胸懷對(duì)我表示理解，不僅幫我指正了論文的方向，而且為我提供大量參考文獻(xiàn)和網(wǎng)頁(yè)論壇，導(dǎo)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(dòng)，這將是我一生工作學(xué)習(xí)的好榜樣。其次，我還要特別感謝我的同學(xué)胡崴壟以及陳子紅，他們不僅為我提供了部分MATLAB編程代碼，還細(xì)心的給我講解了代碼的含義，讓我對(duì)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(guān)愛和支持，濃濃的親情和期盼都是我學(xué)習(xí)的動(dòng)力和源泉。再次真心的感謝所有關(guān)心愛護(hù)我的良師益友和親人們！28