【正文】 口尺寸的大小是用好中值濾波的重要環(huán)節(jié)。一般很難事先確定最佳的窗口尺寸，需要通過從小窗口到大窗口的試驗，再從中選取最好的結果。 直方圖均衡化在信息論中有這樣一個結論，當數據的分布接近均勻分布的時候，數據所承載的信息量為最大，圖像的灰度直方圖表示數字圖像中每一個灰度與其出現頻度間的統(tǒng)計關系。直方圖能給出該圖像的概貌性描述，例如圖像的灰度范圍、每個灰度級的頻度和灰度的分布、整幅圖像的平均明暗和對比度等，由此可得出進一步處理的重要依據。自然圖像由于其灰度通常分布在較窄的區(qū)間，引起圖像細節(jié)不清楚。采用直方圖修整后可使圖像的灰度間距拉開或者使灰度分布均勻，從而增大反差，使圖像細節(jié)清晰，達到圖像增強的目的。另外 ,因為曝光條件的不同 ,圖像灰度可能會局限在一個很小的范圍內 ,造成圖像的模糊不清?，F采用直方圖均衡的方法來進行處理,圖像的低灰度區(qū)域有了較大擴展 ,而高灰度區(qū)域得到了壓縮。 直觀的看，直方圖均衡化將導致信號值所占區(qū)域的對比度增加。要進行直方圖均衡化均衡化圖像的直方圖只是近似均勻的直方圖分布。均衡化后的圖像動態(tài)范圍擴大了，但其本質是擴大了量化層間隔，而非量化層的數目，相反，均衡化后級數分布減少，因而可能會出現偽輪廓。設分別為原圖像和處理后的圖像，圖像的灰度化范圍為[0，255]，則直方圖均衡化方法具體步驟如下：（1）求原圖的灰度直方圖，設用256維的向量表示；（2） 由求原圖的灰度分布概率，記作，則有 （）其中，分別為圖像的長和寬）為圖像的總像素個數；（3）計算圖像各個灰度值的累計分布概率，記作，則有 （）其中，令。（4） 進行直方圖均衡化計算，的到處理后圖像的像素值為： （） （a）中值濾波后圖像 （b） 灰度均衡化結果圖 （c）原始圖像直方圖 （d）直方圖均衡化直方圖 圖像均衡化結果圖 用MATLAB實現程序如下：I=imread(39。F:/39。)。figure(1)。imshow(I)。J=rgb2gray(I)。figure(2)。imshow(J)。K=medfilt2(J,[3 3])。H=histeq (K)。figure(3)。imshow (H)。figure(4),imhist(K)。figure(5),imhist(H)。直方圖均衡化的方法是直方圖修整法的一個特例，即直方圖均衡化的優(yōu)點是能自動的增強整個圖像的對比度，但它的具體增強效果不易控制，處理的結果總是得到全局均衡化的直方圖。實際中有時需要變換直方圖使之成為某個特定的形狀，從而有選擇地增強某個灰度值范圍的對比度。從畫面的效果來看，可以非常逼真的再觀燈光的效果，圖像畫面的參差敢加強，細節(jié)也比較清晰，從直方圖可知，基本上均勻占據了整個圖像灰度值允許的范圍，并且直方圖的大致輪廓與直方圖相似，這就表示了處理后的圖像不僅表現效果得到改善，并且使原始圖像的特征在處理后的圖像中得到了保持。 圖像二值化要將特征點從人臉圖像分割出來,二值化閾值的選取是關鍵,為此,國內外學者進行了廣泛深入的研究和大量實驗,提出了多種閾值選取方法, 如雙峰直方圖閾值分割法、最大熵閾值分割法、模糊聚類分析法等。這里采用的是最大類間方差閾值分割法,又叫大津法。其基本思路是將直方圖在某一閾值處分割成兩組, 當被分成的兩組的方差為最大時,決定閾值。設一幅圖像的灰度值為級,灰度值為的象素數為,此時得到總像素數: ()各值的概率為: ()然后將像素用k將其分成兩組和,則各組的概率為:的概率: ()的概率: ()的平均值: () 的平均值: ()其中: 是圖像的整體灰度平均值, 是閾值為時灰度的平均值,定義、兩組間的方差如() 式所示: ()尋找 間使得上式取最大值的,即可得到閾值。 用MATLAB實現程序如下：I=imread(39。F:/39。)。figure(1)。imshow(I)。J=rgb2gray(I)。figure(2)。imshow(J)。K=medfilt2(J,[3 3])。H=histeq (K)。figure(3)。imshow (H)。figure(4),imhist(K)。figure(5),imhist(H)。Z=im2bw(H,)。figure,imshow(Z)； (a) 均衡化圖像 (b) 二值化結果圖 圖像二值化結果圖第三章 人眼定位算法本章節(jié)是本文的重點，主要介紹了靜止灰度單人圖像中人眼檢測的問題，提出了快速有效的檢測算法。自動人臉識別技術的研究始于20世紀60年代末期,近些年來吸引了來自模式識別、圖像處理、計算機視覺、人工智能等諸多領域的眾多研究者,是一個既有吸引力又充滿挑戰(zhàn)的研究熱點。人臉識別系統(tǒng)與傳統(tǒng)的身份識別系統(tǒng)相比,具有不易偽裝、非接觸性、無需被識別者刻意配合,工作方式自然友好等優(yōu)點。因此在公安系統(tǒng)、銀行系統(tǒng)、 ,它涉及到圖像處理、模式識別、神經網絡以及神經科學等學科 ,受到研究人員的重視。一般的人臉識別系統(tǒng)主要包括預處理、特征提取、樣本學習和識別過程四個部分 ,其中特征提取的好壞將直接影響到識別效果。而眼睛是人臉中的一個重要的器官 ,它含有的信息量非常重要在大部分特征提取方法中非常關鍵的一步就是眼睛定位提出一種將灰度積分投影和模板匹配結合使用來精確定的方法。在灰度積分投影的基礎上 ,通過使用模板匹配 ,減少了匹配的運算量 ,同時也增加了匹配的準確率。 算法流程20 世紀 90 年代以來, 隨著需要的劇增, 人面識別技術成為一個熱門的話題. 作為生物識別中的一種, 人面識別具有更直接、友好, 使用者無任何心理障礙的特點. 雖然在這方面的研究已經取得了一些可的成果, 但在實際應用中仍面臨著許多嚴峻的問題. 在絕大部分人面識別技術中, 都需要進行人臉的定位, 特別是眼睛的準確定位, 這是由于兩眼間距受光照或表情變化的影響最小, 所以常被用作幾何特或圖像尺寸的歸一化標準. 人眼定位的方法已有很多, 有區(qū)域分割法、邊緣提取法、灰度投影法模板匹配 等方法。本文所采用的方法一種基于最大類間方差閾值分割和灰度積分投影技術的眼睛定位方法。首先通過圖像預處理技術中的中值濾波方法去除圖像噪聲,并通過非線性變換消除人臉圖像因為曝光條件不同而造成的模糊,得到灰度分配較為均勻的圖像,然后利用最大類間方差閾值法對圖像進行二值化處理,將特征點從人臉圖像分割出來,并分別利用水平和垂直灰度積分投影曲線結合人臉的結構特征找到眼睛的位置坐標,實現了準確的眼睛定位,從而為進一步提取其它特征點打好了基礎。整個過程如圖 1所示: 圖像直方圖均衡化圖像二值化處理根據積分投影定位眼睛的大概位置眼睛精確定位的圖像找到眼睛的精確位置圖像中值濾波輸入圖像圖像灰度化用積分投影將圖像縮到眉眼區(qū)域 圖31 眼睛精確定位步驟流程圖 人臉識別的常用方法根據表征方式的不同,人臉識別常用的方法大致分為基于幾何特征的識別、基于代數特征的識別和基于神經網絡的識別方法?；趲缀翁卣鞯淖R別方法主要是利用人臉的特征點在圖像中明顯區(qū)別與其他區(qū)域的特點(如灰度偏低)進行特征提取和定位,通過構造幾何特征向量來達到識別人臉的目的。人臉的主要特征包括眼睛,鼻子,嘴巴,下巴等,對于這些特征點的提取是否準確將直接關系到整個識別系統(tǒng)的性能。本文主要研究眼睛的定位,通過眼睛的定位可求得人臉中心對稱軸,以眼睛之間的距離為基準對所提取的面部特征向量進行歸一化,可以使得這些特征向量具有旋轉不變性,因此準確的定位眼球位置是基于幾何特征的人臉識別系統(tǒng)中非常重要的一個環(huán)節(jié)。基于灰度投影的人臉特征提取是一種非常重要的方法,國內外很多學者在這方面進行了研究,如Dieckmann和KarinSobottka曾提出的直接對原圖做灰度投影的方法,這種方法的缺點是投影圖像中干擾噪聲太大,曲線不規(guī)則,很難在此基礎上直接找到特征點。后來又有人提出了改進的利用灰度方差投影圖找特征點的方法,但計算復雜度也相應的加大了。目前的眼睛定位方法較多 ,但各有其優(yōu)缺點。邊緣提取法是首先進行對人臉圖像進行邊緣提取 ,然后用霍夫變換 檢測眼球 ,構造一個包括眼睛、眼瞼的眼部模板 ,用一系列函數從能量角度找出眼瞼 ,該方法需要做大量預處理 ,參數過多的眼部模板不適用于個體差異太大的人臉?；叶韧队胺?對人臉圖像進行水平和垂直方向的投影 ,根據波峰波谷的分布信息來定位眼睛 ,這種方法定位速度較快 ,但波峰波谷的分布對不同的人臉和姿態(tài)的變化非常敏感 ,定位精度較差。模板匹配 是一種有效的模式識別技術 ,它能利用圖像信息和有關識別模式的先驗