【正文】 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)的動力和源泉。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)計的這段時間里，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的感謝！首先，我衷心感謝我的導(dǎo)師何家峰老師。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(dá)到要求了。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。 此均值向量用于計算平均值的曾受訓(xùn)練的圖像和測試圖像絕對差異。 此算法提供我們的建議技術(shù)名為直方圖處理人臉識別的第一部分。直方圖均衡化的優(yōu)點(diǎn)是能自動地增強(qiáng)整個圖像的對比度,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。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。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。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)。通過灰度變換，可對原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識別人臉圖像遵循同一或相似的灰度分布。中值濾波方法的最大優(yōu)點(diǎn)是抑制噪聲效果明顯且能保護(hù)邊界。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。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻(xiàn)[2]。 仿真系統(tǒng)中實現(xiàn)的人臉圖像預(yù)處理方法根據(jù)所查閱文獻(xiàn)資料，常應(yīng)用于人臉圖像的預(yù)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。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)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(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)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。LineWidth39。EdgeColor39。imshow(B)。 endendh2=axes(39。 % 寬*高 if areafa amp。 Ar= cat(1, )。 % 行跳躍end[Array, nu] = bwlabel(bw, 8)。 end end b1 = b1+wide。 % 對應(yīng)列初始化 for j = 1:10 if (b2=wide|| b2=9*wide) || (a1==1 || a2==row*10) loc = find(bw(a1:a2, b1:b2)==0)。 a2 = row。 % 二值化[m, n] = size(bw)?；诜e分圖像（Integral Image）特征的人臉檢測方法是Viola等新近提出的一種算法，它綜合使用了積分圖像描述方法、Adaboost學(xué)習(xí)算法及訓(xùn)練方法、級聯(lián)弱分類器。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的方法是通過訓(xùn)練一個網(wǎng)絡(luò)結(jié)構(gòu)，把模式的統(tǒng)計特性隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)之中。以上三種方法的優(yōu)缺點(diǎn)比較見表31。模板匹配的方法一般是人為地先定義一個標(biāo)準(zhǔn)人臉模板，計算輸入圖像與模板的似然度；然后，確定一個似然度閾值，用以判斷該輸入圖像中是否包含人臉。因此他們采用廣泛使用的RGB顏色空間，在濾去亮度值的圖像中通過比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域?；陲@式特征的方法是指由人通過肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。通常檢測和定位結(jié)合進(jìn)行。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)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(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)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。其中，人臉圖像預(yù)處理，作為特征提取和識別的前提步驟，是計算機(jī)人臉識別系統(tǒng)中的必要環(huán)節(jié)。 % 二值化 二值化處理圖像 本章小結(jié)以上實例只是對Matlab圖像處理工具箱函數(shù)的一小部分運(yùn)用,從這些功能的運(yùn)用可以看出,Matlab語言簡潔,可讀性強(qiáng)。我們可以用Matlab工具箱提供的rgb2gray將其轉(zhuǎn)化成灰度圖像，然后再轉(zhuǎn)化成二值圖像。平滑濾波器可以用低通濾波實現(xiàn),目的在于模糊圖像或消除噪聲。 (1).灰度變換增強(qiáng)有多種方法可以實現(xiàn)圖像的灰度變換,其中最常用的就是直方圖變換的方法,即直方圖的均衡化。圖像增強(qiáng)的分類：圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。matlab中DIP工具箱函數(shù)im2bw使用閾值（threshold）變換法把灰度圖像（grayscale image）轉(zhuǎn)換成二值圖像。用save（）函數(shù)可以將工作空間的變量保存，然后用load函數(shù)可以將變量讀入到Matlab的工作空間中。三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長。在人臉識別的研究和實現(xiàn)中，就應(yīng)用了Mtalab強(qiáng)大的圖形處理功能進(jìn)行圖片處理。 2 應(yīng)用Matlab處理圖像 Matlab介紹MATLAB是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。以及在人臉識別過程中所要用到圖像處理的基本操作。通過將輸入人臉圖像與人臉數(shù)據(jù)庫中的所有已知原型人臉圖像計算相似度并對其排序來給出輸入人臉的身份信息。 (3)人臉識別在本文中人臉識別的主要方式是，在人臉識別的基礎(chǔ)上。處理過程中，先對圖片進(jìn)行灰度圖片處理，然后二值化。這個系統(tǒng)的實現(xiàn)要求各個環(huán)節(jié)互相配合，緊密聯(lián)系，才能得到最終理想的結(jié)果。以下是目前國內(nèi)外人臉識別技術(shù)的主要應(yīng)用情況：應(yīng)用領(lǐng)域技術(shù)優(yōu)勢存在問題個人身份驗證，身份證，信用卡，護(hù)照，駕照圖像質(zhì)量好圖像攝取可控圖像可操作性強(qiáng)必須建立功能強(qiáng)大的數(shù)據(jù)庫用于存儲照片計算機(jī)登陸、電子商務(wù)，電子政務(wù)應(yīng)用范圍廣大大增加網(wǎng)絡(luò)安全性圖片真實性待考究銀行/儲蓄/金融安全圖像攝取方便監(jiān)控性很強(qiáng)圖像真實度高圖像質(zhì)量不高圖片可處理性差圖片需要有強(qiáng)大的數(shù)據(jù)庫支撐人群監(jiān)測可利用攝像圖像