【正文】 再次真心的感謝所有關心愛護我的良師益友和親人們 ！ 。 其次，我還要特別感謝我的同學魏備與何志冬，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。曹老師學識淵博、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。若要進一步提高識別率和適用范圍，則還需要結合其它算法，如 PCA、神經網絡等。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。僅這一部分即可形成一個專用的圖像處理平臺。 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，如格式轉換，灰度變化和濾波銳化。 河南城建學院本科畢業(yè)設計（論文） 結論 24 5 結論 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 仿真 。 在論文設計時人臉數(shù)據(jù)庫不容易找到，有些圖像處理方法不是很理解，運用的過程中碰到很多問題。相關性的元素之間需要存在一定 的聯(lián)系或者概率才可以進行相關性分析。 傅里葉變換在 物理學 、 數(shù)論 、組合數(shù)學、信號處理、概率、統(tǒng)計、密碼學、聲學、光學等領域都有著廣泛的應用。最初傅里葉分析是作為熱過程的解析分析的工具被提出的。 傅里葉變換能將滿足一定條件的某個函數(shù)表示成三角函數(shù)（正弦和 /或余弦函數(shù)）或者它們的積分的線性組合。 對于 本文在人臉識別系統(tǒng)中幾種常用的圖像預處理方法 進行基礎的應用 ， 同時 利用 MATLAB 實現(xiàn)了通用的人臉圖像預處理仿真，將該系統(tǒng)作為圖像預處理模塊可嵌入在人臉識別系統(tǒng)中，并利用灰度圖像的直方圖比對來實現(xiàn)人臉圖像的識別判定。 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 20 表 頻譜圖的相關性系數(shù) 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖 表 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 4 1 1 1 1 1 1 1 5 1 1 1 1 1 1 1 6 1 1 1 1 1 1 1 7 1 1 1 1 1 1 1 1 2 3 4 5 6 7 1 1+0i + + + 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 21 原圖 對比圖 2 + + + + 3 + + + + + 4 + + + + + 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 22 原圖頻譜圖 對比圖頻譜圖 表 頻譜圖的相關性系數(shù) 根據(jù)以上內容利用 matlab仿真軟件和傅里葉變換及相關性算法做出的人臉識別的頻譜 圖以及頻譜圖的相關性系數(shù)，由相關性系數(shù)可得到，時域圖一樣的，相關性系數(shù)都是 1 而且頻域圖也一樣；時域圖不一樣時，相關性系數(shù)越接近于 1 相似度越大，頻域圖差別越小，但是也存在一些缺點，即使是相同的時域圖，它們的頻譜圖也存在一些差異。figure。%求共軛 CrossPowerSpecttrum = (J1fftShift .* J2fftConjugate) ./ (J1Power .* J2Power)。 J2Power = abs(J2fftShift)。 J2fftShift = fftshift(J2fft)。 J2fft = fft2(J2)。 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 19 J2=rgb2gray(J2)。)。 J2=imread(39。G:\張迎 \標準測試圖像庫 1\39。 人臉 識別 程序： clc。 人臉 識別 通過以上幾節(jié)的方法及步驟對人臉圖像的獲取、檢測、特征提取以及圖像處理進而實現(xiàn)的人臉定位，而后開始進行人臉識別，在人臉識別的過程中利用傅里葉變換并求取共軛的互能量普，由傅里葉變換的時域圖通過互相關性算法得到頻域的頻譜圖。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，將輸入圖像首先轉換為統(tǒng)一的類型，是多數(shù)人臉圖像預處理中的第一步。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 ，使用者可從檢測結果中加以比較、選擇合適的算法。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。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。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)。這一過程，也被稱作灰度歸一化。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。 （ 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。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?？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。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。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。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]。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。 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。該系統(tǒng)可對不同條件下的原始圖像進行相應的預處理。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。 ) 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。,39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 16 rectangle(39。 end end figure,imshow(I)。 (BB2(1,k)/BB2(1,k+1)) mx=p。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 [s1 s2]=size(BB2)。 BB1=struct2cell(BB)。BoundingBox39。 end figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% detection of face object L = bwlabel(BW,8)。 end x1=x1+r。 end y1=y1+c。 pr1=0。s1=y1。 r1=x1。 pr=o*100/s。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 15 loc=find(BW(x1:x2, y1:y2)==0)。 for i=1:10 y1=1。x2=r。 c=floor(n2/10)。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% minimisation of background portion [n1 n2]=size(BW)。 I=rgb2gray(i)。39。 檢測方法 優(yōu)點與適用場合 缺點與需要改進的地方 膚色模型 檢測速度快 高光和陰影會造成人臉區(qū)域被分割而被漏檢；膚色區(qū)域的存在提高了預警率 模板匹配 直觀性好，具有較好的適應性 對表情、尺度變換敏感；可變 模板的選擇和參數(shù)的確定非常困難 基于知識的方法 適用復雜圖像中的人臉檢測 依賴先驗知識；多尺度空間遍歷工作量大，運算時間長 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 14 基于積分圖像（ Integral Image）特征的人臉檢