【正文】 最后，我要感謝我的父母和家人，他們這么多年來(lái)一直給我以無(wú)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。論文進(jìn)展并不順利時(shí)，是曹老師以仁愛胸懷對(duì)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(xiàn)和網(wǎng)頁(yè)論壇，曹老師勤勉的敬業(yè)精神和一絲不茍的工作態(tài)度使我深深感動(dòng)，這將是我一生工作和學(xué)習(xí)的好榜樣。河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 參考文獻(xiàn)參考文獻(xiàn)[1] 祝磊,[J].計(jì)算機(jī)學(xué)報(bào),2007,34[2] 何東風(fēng),[J].計(jì)算機(jī)學(xué)報(bào),2003,(13):127578[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[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(15):358[9] Wangmeng Zuo,Kuanquan Wang,David Zhang,Hongzhi of two novel LDAbased methods for face recognition[C].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)化科學(xué) 2002,28(6):927934[12] 周嬪,馬少平,[J].自動(dòng)化學(xué)報(bào),2000,28(1).[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] [J].中國(guó)圖像圖形學(xué)報(bào)河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 致謝 致謝在河南城建學(xué)院的學(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(wú)微不至的關(guān)心，毫無(wú)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，我衷心感謝我的曹延生指導(dǎo)老師。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。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)。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。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。對(duì)各種圖像處理方法以及人臉識(shí)別系統(tǒng)的學(xué)習(xí)、理解、運(yùn)用有待進(jìn)一步的提高。相關(guān)性不等于因果性，也不是簡(jiǎn)單的個(gè)性化，相關(guān)性所涵蓋的范圍和領(lǐng)域幾乎覆蓋了我們所見到的方方面面，相關(guān)性在不同的學(xué)科里面的定義也有很大的差異。相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度。利用傅里葉變換的方法進(jìn)行人臉識(shí)別，要在頻域內(nèi)進(jìn)行，實(shí)際運(yùn)用還有一定的難度。在不同的研究領(lǐng)域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。本文同時(shí)還利用了傅里葉變換及相關(guān)性的運(yùn)用，實(shí)現(xiàn)了頻譜圖，更好的進(jìn)行人臉識(shí)別。河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 實(shí)驗(yàn)結(jié)果與分析 4 實(shí)驗(yàn)結(jié)果與分析本文利用人臉圖像識(shí)別中所應(yīng)用MATLAB對(duì)圖像進(jìn)行預(yù)處理，應(yīng)用該工具箱對(duì)圖像進(jìn)行經(jīng)典圖像處理,通過(guò)實(shí)例來(lái)應(yīng)用matlab圖像處理功能，對(duì)某一特定的人臉圖像處理，進(jìn)而應(yīng)用到人臉識(shí)別系統(tǒng)。imshow(uint8(J2fft))。%互能量譜imshow(uint8(J1fft))。J2fftConjugate = conj(J2fftShift)。J1Power = abs(J1fftShift)。J1fftShift = fftshift(J1fft)。J1fft = fft2(J1)。J1=rgb2gray(J1)。G:\張迎\標(biāo)準(zhǔn)測(cè)試圖像庫(kù)1\39。)。clear allJ1=imread(39。人臉識(shí)別程序及效果圖如下。在本仿真系統(tǒng)中通過(guò)調(diào)用MATLAB中提供的各種圖像類型轉(zhuǎn)換函數(shù)來(lái)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(lái)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。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。每種算子對(duì)不同方向邊緣的檢測(cè)能力和抑制噪聲的能力都不同。對(duì)輸入人臉圖像進(jìn)行邊緣檢測(cè)是很多人臉識(shí)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(shí)采用的預(yù)處理方法。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(duì)人臉識(shí)別帶來(lái)的影響。常用在人臉識(shí)別系統(tǒng)中的灰度變換方法主要有：基于圖像統(tǒng)計(jì)特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標(biāo)準(zhǔn)化三種方法。只有這樣，不同圖像在特征提取和識(shí)別時(shí)才具有可比性。灰度變換是圖像增強(qiáng)技術(shù)中的一種。對(duì)于使用基于整體的人臉識(shí)別算法的系統(tǒng)中，由于失掉小區(qū)域的細(xì)節(jié)對(duì)特征提取影響較小，所以這種濾波方法最受歡迎。（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(jí)進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。對(duì)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。（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(quán)平均的高斯濾波和維納濾波。下面對(duì)本文實(shí)現(xiàn)的濾波方法及其選擇依據(jù)加以說(shuō)明。由于噪聲給圖像帶來(lái)的失真和降質(zhì)，在特征提取之前采用濾波的方式來(lái)去除噪聲是實(shí)際人臉識(shí)別系統(tǒng)中所必須的步驟。作為通用人臉圖像預(yù)處理模塊，要能夠充分適應(yīng)不同人臉庫(kù)中圖像在人臉大小、光照強(qiáng)度、成像系統(tǒng)等方面的任意性和差異性，不能單獨(dú)采用某種單一的濾波、灰度變換和邊緣檢測(cè)方法。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(cè)算子檢測(cè)人臉邊緣、選擇不同的灰度變換算法實(shí)現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時(shí)還實(shí)現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預(yù)處理算法。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測(cè)、灰度變換三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。常用的人臉圖像預(yù)處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測(cè)、尺寸歸一化、灰度歸一化等。r39。EdgeColor39。Position39。hold on。 j=k。 if pmx amp。mx=0。BB2=cell2mat(BB1)。)。BB = regionprops(L, 39。 x2=x2+r。 y2=y2+c。 end imshow(BW)。s2=y2。r2=x2。 if pr=100 BW(x1:x2, y1:y2)=0。 [o p]=size(loc)。y2=c。s=r*c。x1=1。r=floor(n1/10)。BW=im2bw(I)。)。 基于隱式特征方法的特征檢測(cè)方法優(yōu)點(diǎn)缺點(diǎn)與需要改進(jìn)的地方本征臉?lè)?biāo)準(zhǔn)人臉模板能抽象人臉全部信息，運(yùn)算不涉及迭代耗費(fèi)時(shí)間短但模板檢測(cè)效率低，多模板提高了效率也增加了檢測(cè)時(shí)間神經(jīng)網(wǎng)絡(luò)法檢測(cè)效率高，錯(cuò)誤報(bào)警數(shù)目不多，訓(xùn)練成熟的網(wǎng)絡(luò)監(jiān)測(cè)速度快多樣本訓(xùn)練耗費(fèi)時(shí)間多，但網(wǎng)絡(luò)監(jiān)測(cè)錯(cuò)誤報(bào)警數(shù)目多支撐向量機(jī)機(jī)法比神經(jīng)網(wǎng)絡(luò)方法具有更好的泛化能力，能對(duì)為觀測(cè)到的例子進(jìn)行有效分類“非人臉”樣本復(fù)雜多樣，造成支持向量數(shù)目多，運(yùn)算復(fù)雜度大基于積分圖像分析法檢測(cè)速度快，基本滿足實(shí)時(shí)檢測(cè)要求，檢測(cè)效率可以與神經(jīng)網(wǎng)絡(luò)法比較錯(cuò)誤報(bào)警數(shù)目少時(shí)，檢測(cè)率不高運(yùn)用matlab仿真進(jìn)行人臉檢測(cè)定位實(shí)例：人臉檢測(cè)定位程序：%%%%% Reading of a RGB image i=imread(39。但是直接使用SVM方法進(jìn)行人臉識(shí)別有兩方面的困難：第一，訓(xùn)練時(shí)需要求解二次規(guī)劃問(wèn)題計(jì)算復(fù)雜度高，內(nèi)存需求量巨大；第二，在非人臉樣本不受限制時(shí)，需要極大規(guī)模的訓(xùn)練集合，得到的支持向量會(huì)很多，使得分類器的計(jì)算量過(guò)高?；谌斯ど窠?jīng)網(wǎng)絡(luò)的方法對(duì)于復(fù)雜的、難以顯式描述的模式，具有獨(dú)特的優(yōu)勢(shì)。特征臉?lè)ǎ╡igenface）把單個(gè)圖像看成一維向量，眾多的一維向量形成了人臉圖像特征空間，再將其變換到一個(gè)新的相對(duì)簡(jiǎn)單的特征空間，通過(guò)計(jì)算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息，尋找“人臉”、“非人臉”兩種模式在該特征空間中的分布規(guī)律。