畢業(yè)論文--基于matlab的人臉識(shí)別系統(tǒng)設(shè)計(jì)

1、<p>　　畢 業(yè) 設(shè) 計(jì) [論 文]</p><p>　　題 目： 基于MATLAB的人臉識(shí)別系統(tǒng)設(shè)計(jì) </p><p>　　學(xué) 院： 電氣與信息工程學(xué)院 </p><p>　　專 業(yè)： 自動(dòng)化

2、 </p><p><b>　　摘要 </b></p><p>　　人臉識(shí)別是模式識(shí)別和圖像處理等學(xué)科的一個(gè)研究熱點(diǎn)，它廣泛應(yīng)用在身份驗(yàn)證、刑偵破案、視頻監(jiān)視、機(jī)器人智能化和醫(yī)學(xué)等領(lǐng)域，具有廣闊的應(yīng)用價(jià)值和商用價(jià)值。人臉特征作為一種生物特征，與其他生物特征相比，具有有好、直接、方便等特點(diǎn)，因此使用人臉特征進(jìn)行身

3、份識(shí)別更易于被用戶所接受。 </p><p>　　人臉識(shí)別技術(shù)在過(guò)去的幾十年得到了很大的發(fā)展，但由于人臉的非剛性、表情多變等因素，使得人臉識(shí)別技術(shù)在實(shí)際應(yīng)用中面臨著巨大的困難。本文針對(duì)近年來(lái)國(guó)內(nèi)外相關(guān)學(xué)術(shù)論文及研究報(bào)告進(jìn)行學(xué)習(xí)和分析的基礎(chǔ)上，利用圖像處理的matlab實(shí)現(xiàn)人臉識(shí)別方法，這種實(shí)現(xiàn)簡(jiǎn)單且識(shí)別準(zhǔn)確率高，但其缺點(diǎn)是計(jì)算量大，當(dāng)要識(shí)別較多人員時(shí)，該方法難以勝任。 </p>

4、<p>　　利用MATLAB實(shí)現(xiàn)了一個(gè)集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判定。</p><p>　　關(guān)鍵詞： 圖像處理, Matlab, 人臉識(shí)別, 模式識(shí)別 </p><p><b>　　ABSTRACT</b></p>

5、<p>　　Human face recognition focuses on pattern recognition ,image processing andother subjects.It is widely used in authentication,invest

6、igation,video surveillance,intelligent robots,medicine and other areas.Facerecognition has wide application and business value.Facial feature asabiological

7、 characteristic,compared with others is direct,friendly andconvenient.Facial featureemployed in authentication are user-friendly. </p><p>　　The

8、0;technology of face recognition in the past few years obtained the very big development, but due to the face of nonrigi

9、d, expression and changeablefactors, the face recognition technology in practical application are facing great difficulties. This paper 

10、;aimed at home and abroad in recent years the relevant papers and researchreports on study and on the basis of the 

11、analysis, some units within the data sensitivity places need to enter personnel to carry out limitation design and develop a&

12、#160;set</p><p>　　The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing modu

13、le can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.</p><p>　　Keywords: Imageprocessing , Matla

14、b,  Face recognition,  Patternrecognition</p><p><b>　　目錄</b></p><p><b>　　摘要I</b></p><p>　　ABSTRACTII</p><p><b>　　1 緒論1</b&

15、gt;</p><p>　　1.1 研究背景1</p><p>　　1.2國(guó)內(nèi)外研究現(xiàn)狀1</p><p>　　1.3 人臉圖像識(shí)別的應(yīng)用前景2</p><p>　　1.4 本文研究的問(wèn)題2</p><p>　　1.5 識(shí)別系統(tǒng)構(gòu)成2</p><p>　　1.6 論文的內(nèi)容及組織3&

16、lt;/p><p>　　2 圖像處理的Matlab實(shí)現(xiàn)4</p><p>　　2.1 Matlab簡(jiǎn)介4</p><p>　　2.2 數(shù)字圖像處理及過(guò)程4</p><p>　　2.2.1圖像處理的基本操作4</p><p>　　2.2.2圖像類型的轉(zhuǎn)換4</p><p>　　2.2.3圖像

17、增強(qiáng)4</p><p>　　2.2.4邊緣檢測(cè)4</p><p>　　2.3圖像處理功能的Matlab實(shí)現(xiàn)實(shí)例5</p><p>　　2.4 本章小結(jié)7</p><p>　　3 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng)8</p><p><b>　　3.1 引言8</b></p><

18、p>　　3.2系統(tǒng)基本機(jī)構(gòu)8</p><p>　　3.3 人臉檢測(cè)定位算法9</p><p>　　3.4 人臉圖像的預(yù)處理12</p><p>　　3.4.1 人臉圖像預(yù)處理方法12</p><p>　　3.5人臉識(shí)別13</p><p>　　4 實(shí)驗(yàn)結(jié)果與分析17</p><p&

19、gt;<b>　　5 結(jié)論18</b></p><p><b>　　參考文獻(xiàn)19</b></p><p><b>　　致謝20</b></p><p><b>　　1 緒論</b></p><p>　　當(dāng)前，人臉檢測(cè)越來(lái)越受到大家的關(guān)注，他作為生物特

20、征識(shí)別中一個(gè)非常重要的一個(gè)分支，已成為計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域中非?；钴S的一個(gè)研究領(lǐng)域。而基于人臉檢測(cè)更是學(xué)術(shù)界的一個(gè)難點(diǎn)。而本文先對(duì)圖像進(jìn)行處理，然后在對(duì)圖像進(jìn)行人臉檢測(cè)，人臉定位。</p><p>　　人臉包含很多信息，通過(guò)對(duì)人臉檢測(cè)，人臉定位，我們可以很快知道一個(gè)人的部分基本資料，如性別，表情，年齡和身份等基本信息，在現(xiàn)實(shí)生活中如在公安、金融、網(wǎng)絡(luò)安全、物業(yè)管理、以及考勤都會(huì)用到人臉檢測(cè)，因此人臉檢測(cè)具有很

21、高的學(xué)術(shù)研究?jī)r(jià)值和商業(yè)價(jià)值，這就引起了在人臉識(shí)別方面的廣大科學(xué)研究者的興趣，可以說(shuō)，人臉識(shí)別已經(jīng)成為當(dāng)前科學(xué)界熱門的一個(gè)研究課題之一。</p><p><b>　　1.1 研究背景</b></p><p>　　自70年代以來(lái).隨著人工智能技術(shù)的興起.以及人類視覺(jué)研究的進(jìn)展.人們逐漸對(duì)人臉圖像的機(jī)器識(shí)別投入很大的熱情，并形成了一個(gè)人臉圖像識(shí)別研究領(lǐng)域，這一領(lǐng)域除了它的重

22、大理論價(jià)值外，也極具實(shí)用價(jià)值。</p><p>　　在進(jìn)行人工智能的研究中，人們一直想做的事情就是讓機(jī)器具有像人類一樣的思考能力，以及識(shí)別事物、處理事物的能力，因此從解剖學(xué)、心理學(xué)、行為感知學(xué)等各個(gè)角度來(lái)探求人類的思維機(jī)制、以及感知事物、處理事物的機(jī)制，并努力將這些機(jī)制用于實(shí)踐，如各種智能機(jī)器人的研制。人臉圖像的機(jī)器識(shí)別研究就是在這種背景下興起的，因?yàn)槿藗儼l(fā)現(xiàn)許多對(duì)于人類而言可以輕易做到的事情，而讓機(jī)器來(lái)實(shí)現(xiàn)卻很

23、難，如人臉圖像的識(shí)別，語(yǔ)音識(shí)別，自然語(yǔ)言理解等。如果能夠開(kāi)發(fā)出具有像人類一樣的機(jī)器識(shí)別機(jī)制，就能夠逐步地了解人類是如何存儲(chǔ)信息，并進(jìn)行處理的，從而最終了解人類的思維機(jī)制。</p><p>　　同時(shí)，進(jìn)行人臉圖像識(shí)別研究也具有很大的使用價(jià)依。如同人的指紋一樣，人臉也具有唯一性，也可用來(lái)鑒別一個(gè)人的身份?，F(xiàn)在己有實(shí)用的計(jì)算機(jī)自動(dòng)指紋識(shí)別系統(tǒng)面世，并在安檢等部門得到應(yīng)用，但還沒(méi)有通用成熟的人臉自動(dòng)識(shí)別系統(tǒng)出現(xiàn)。人臉圖像

24、的自動(dòng)識(shí)別系統(tǒng)較之指紋識(shí)別系統(tǒng)、DNA鑒定等更具方便性，因?yàn)樗臃奖?，可以不接觸目標(biāo)就進(jìn)行識(shí)別，從而開(kāi)發(fā)研究的實(shí)際意義更大。并且與指紋圖像不同的是，人臉圖像受很多因素的干擾:人臉表情的多樣性;以及外在的成像過(guò)程中的光照，圖像尺寸，旋轉(zhuǎn)，姿勢(shì)變化等。使得同一個(gè)人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時(shí)更會(huì)有很大的差別，給識(shí)別帶來(lái)很大難度。因此在各種干擾條件下實(shí)現(xiàn)人臉圖像的識(shí)別，也就更具有挑戰(zhàn)性。</p><p&

25、gt;　　國(guó)外對(duì)于人臉圖像識(shí)別的研究較早，現(xiàn)己有實(shí)用系統(tǒng)面世，只是對(duì)于成像條件要求較苛刻，應(yīng)用范圍也就較窄，國(guó)內(nèi)也有許多科研機(jī)構(gòu)從事這方而的研究，并己取得許多成果。</p><p>　　1.2國(guó)內(nèi)外研究現(xiàn)狀</p><p>　　目前，越來(lái)越多的國(guó)家開(kāi)始對(duì)人臉檢測(cè)及其識(shí)別的研究。并且發(fā)展很快，已經(jīng)由原來(lái)的靜態(tài)識(shí)別到現(xiàn)在動(dòng)態(tài)識(shí)別，有單向多張臉識(shí)別，還有從最初的二維臉識(shí)別到現(xiàn)在的三維立體識(shí)別。&

26、lt;/p><p>　　在國(guó)內(nèi)，最早研究人臉識(shí)別的當(dāng)屬于中科院計(jì)算所跟哈工大的一個(gè)聯(lián)合面像實(shí)驗(yàn)室。該實(shí)驗(yàn)室的高文教授，陳曦林教授，山世光教授，直到今天，都一直活躍在人臉識(shí)別領(lǐng)域，更可貴的是，在IEEE上面發(fā)表了很多paper。這一點(diǎn)，很值得我們同學(xué)學(xué)習(xí)。后來(lái)該實(shí)驗(yàn)室，成為上海銀晨的研發(fā)中心，專門為上海銀晨做技術(shù)研發(fā)和技術(shù)支持。其次是中科院生物研究所的李子清教授，以及下屬的中科奧森公司。李子清教授，當(dāng)年在微軟亞洲研究所

27、的時(shí)候，就從事人臉識(shí)別方面的研究工作。后來(lái)在中科院組建了專門的的人臉識(shí)別研究團(tuán)隊(duì)。該研究團(tuán)隊(duì)，首先提出了基于近紅外線的人臉識(shí)別技術(shù)，并將該人臉識(shí)別技術(shù)用于08年的北京奧運(yùn)會(huì)。同時(shí)基于近紅外線的人臉識(shí)別技術(shù)得到了國(guó)際上同行業(yè)的專家認(rèn)可和一致肯定。接著是清華大學(xué)的丁曉晴教授。丁曉晴教授在OCR領(lǐng)域，可謂國(guó)內(nèi)第一人。不過(guò)最近幾年轉(zhuǎn)行做人臉識(shí)別，也是非常有成就的。不說(shuō)別的，就只從FRVT2006（美國(guó)國(guó)家標(biāo)準(zhǔn)研究所2006年全球人臉識(shí)別供應(yīng)商系

28、統(tǒng)性能測(cè)試）的測(cè)試結(jié)果看來(lái)，丁曉晴教授的研究團(tuán)隊(duì)是唯一一個(gè)完成大規(guī)模3D人臉識(shí)別性能測(cè)試的參賽團(tuán)隊(duì)。由此可見(jiàn)，在國(guó)內(nèi)人臉識(shí)別領(lǐng)域來(lái)說(shuō)，他們的算法在3D領(lǐng)域，絕對(duì)排名</p><p>　　國(guó)外主要有美國(guó)，歐洲國(guó)家、日本等著名的科研機(jī)構(gòu)有美國(guó)的MIT和CMU,英國(guó)的劍橋大學(xué)。在人臉識(shí)別領(lǐng)域中，國(guó)際上逐步形成了以下幾個(gè)研究方向：基于幾何特征的方法、基于膚色模型的方法、基于模板匹配的方法、基于KL變換的特征臉?lè)椒?、基于隱

29、馬爾可夫模型的方法和神經(jīng)網(wǎng)絡(luò)識(shí)別方法等等。它們可以被歸類到基于顯示特征和基于隱式特征的兩大方法中。</p><p>　　發(fā)展至今，人臉識(shí)別的方法越來(lái)越多，最有代表的是基于Haar特征的人臉識(shí)別方法是其中較為典型的方法，該方法不僅具有較高的檢測(cè)率，同時(shí)也能夠滿足實(shí)時(shí)檢測(cè)的基本要求。基于Haar特征的人臉識(shí)別方法始于2001年P(guān)aulViola和MichaelJones兩者撰寫(xiě)的一篇論文，他們?cè)谡撐闹刑岢隽薍aar特

30、征和Adaboost算法，并利用它們進(jìn)行人臉檢測(cè)。但是此方法只能用于檢測(cè)正面無(wú)旋轉(zhuǎn)的人臉。為此，RainerLicnhart等人于2002年對(duì)此方法進(jìn)行了擴(kuò)展，增加了傾斜特征的定義，此后此方法被擴(kuò)展到全旋轉(zhuǎn)放縮情況下的人臉檢測(cè)。自從以上幾位學(xué)者運(yùn)用基于Haar特征和Adaboost算法進(jìn)行人臉檢測(cè)取得長(zhǎng)足進(jìn)步之后，基于Haar特征的人臉檢測(cè)方法備受專家學(xué)者的青睞，國(guó)內(nèi)外相關(guān)研究成果也是層出不窮。</p><p>

31、　　1.3 人臉圖像識(shí)別的應(yīng)用前景</p><p>　　人臉圖像識(shí)別除了具有重大的理論價(jià)值以及極富挑戰(zhàn)性外，還其有許多潛在的應(yīng)用前景，利用人臉圖像來(lái)進(jìn)行身份驗(yàn)證，可以不與目標(biāo)相接觸就取得樣本圖像，而其它的身份驗(yàn)證手段，如指紋、眼睛虹膜等必須通過(guò)與目標(biāo)接觸或相當(dāng)接近來(lái)取得樣木，在某些場(chǎng)合，這些識(shí)別手段就會(huì)有不便之處。</p><p>　　就從目前和將來(lái)來(lái)看，可以預(yù)測(cè)到人臉圖像識(shí)別將具有廣闊的

32、應(yīng)用前景，如表1-1中所列舉就是其中已經(jīng)實(shí)現(xiàn)或逐步完善的應(yīng)用。</p><p>　　表1.1 人臉識(shí)別的應(yīng)用</p><p>　　1.4 本文研究的問(wèn)題</p><p>　　本文介紹了人臉圖像識(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)。本文在總

33、結(jié)分析人臉識(shí)別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實(shí)現(xiàn)了一個(gè)集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判定。</p><p>　　其中涉及到圖像的選取，臉部定位，特征提取，圖像處理和識(shí)別幾個(gè)過(guò)程。</p><p>　　1.5 識(shí)別系統(tǒng)構(gòu)成</p>&l

34、t;p>　　人類似乎具有“與生俱來(lái)”的人臉識(shí)別能力，賦予計(jì)算機(jī)同樣的能力是人類的夢(mèng)想之一，這就是所謂的“人臉識(shí)別”系統(tǒng)。假設(shè)我們把照相機(jī)、攝像頭、掃描儀等看作計(jì)算機(jī)的“眼睛”，數(shù)字圖像可以看作計(jì)算機(jī)觀察到的“影像”，那么AFR賦予計(jì)算機(jī)根據(jù)其所“看到”的人臉圖片來(lái)判斷人物身份的能力。</p><p>　　廣義的講，自動(dòng)人臉識(shí)別系統(tǒng)具有如圖1.1所示的一般框架并完成相應(yīng)功能的任務(wù)。</p>&l

35、t;p>　　圖1.1 人臉識(shí)別系統(tǒng)一般框架</p><p>　　(1)人臉圖像的獲取</p><p>　　一般來(lái)說(shuō)，圖像的獲取都是通過(guò)攝像頭攝取，但攝取的圖像可以是真人，也可以是人臉的圖片或者為了相對(duì)簡(jiǎn)單，可以不考慮通過(guò)攝像頭來(lái)攝取頭像，而是直接給定要識(shí)別的圖像。</p><p><b>　　(2)人臉的檢測(cè)</b></p>

36、<p>　　人臉檢測(cè)的任務(wù)是判斷靜態(tài)圖像中是否存在人臉。若存在人臉，給出其在圖像中的坐標(biāo)位置、人臉區(qū)域大小等信息。而人臉跟蹤則需要進(jìn)一步輸出所檢測(cè)到的人臉位置、大小等狀態(tài)隨時(shí)間的連續(xù)變化情況。</p><p><b>　　(3)特征提取</b></p><p>　　通過(guò)人臉特征點(diǎn)的檢測(cè)與標(biāo)定可以確定人臉圖像中顯著特征點(diǎn)的位置（如眼睛、眉毛、鼻子、嘴巴等器官

37、），同時(shí)還可以得到這些器官及其面部輪廓的形狀信息的描述。</p><p>　　根據(jù)人臉特征點(diǎn)檢測(cè)與標(biāo)定的結(jié)果，通過(guò)某些運(yùn)算得到人臉特征的描述（這些特征包括：全局特征和局部特征，顯式特征和統(tǒng)計(jì)特征等）。</p><p>　　(4)基于人臉圖像比對(duì)的身份識(shí)別</p><p>　　即人臉識(shí)別(Face Identification)問(wèn)題。通過(guò)將輸入人臉圖像與人臉數(shù)據(jù)庫(kù)中的

38、所有已知原型人臉圖像計(jì)算相似度并對(duì)其排序來(lái)給出輸入人臉的身份信息。這包括兩類識(shí)別問(wèn)題：一類是閉集(Close Set)人臉識(shí)別問(wèn)題，即假定輸入的人臉一定是人臉庫(kù)中的某個(gè)個(gè)體；另一類是開(kāi)集(Open Set)識(shí)別，即首先要對(duì)輸入人臉是否在已知人臉庫(kù)中做出判斷，如果是，則給出其身份。</p><p>　　(5)基于人臉圖像比對(duì)的身份驗(yàn)證</p><p>　　即人臉確認(rèn)(Face Verific

39、ation)問(wèn)題。系統(tǒng)在輸入人臉圖像的同時(shí)輸入一個(gè)用戶宣稱的該人臉的身份信息，系統(tǒng)要對(duì)該輸入人臉圖像的身份與宣稱的身份是否相符作出判斷。</p><p>　　1.6 論文的內(nèi)容及組織</p><p>　　第1章主要介紹了人臉識(shí)別的研究背景及國(guó)內(nèi)外的研究現(xiàn)狀，同時(shí)還介紹了目的及意義和應(yīng)用前景。</p><p>　　第2章主要介紹人臉識(shí)別系統(tǒng)中所用到的仿真軟件Matla

40、b，介紹了在人臉圖像識(shí)別過(guò)程中所需要的圖像處理技術(shù)，包括：一些基本操作、格式轉(zhuǎn)換、圖像增強(qiáng)等。并做了一個(gè)Matlab圖像處理功能的實(shí)例。</p><p>　　第3章主要始涉三個(gè)方面：首先是對(duì)人臉識(shí)別系統(tǒng)的構(gòu)成做詳細(xì)論述；其次就是對(duì)人臉識(shí)別過(guò)程中的關(guān)鍵環(huán)節(jié)人臉檢測(cè)、特征提取和圖像預(yù)處理做詳細(xì)介紹；最后就是Matlab在人臉識(shí)別系統(tǒng)中的具體應(yīng)用，即人臉圖像識(shí)別的具體技術(shù)，并用Matlab進(jìn)行仿真試驗(yàn)并得到結(jié)果。<

41、;/p><p>　　第4章是實(shí)驗(yàn)結(jié)果與分析，并給出了人臉識(shí)別用到的理論知識(shí)。實(shí)驗(yàn)過(guò)程中的難點(diǎn)與缺點(diǎn)。</p><p>　　第5章總結(jié)了全文的工作并對(duì)以后的需要進(jìn)一步研究的問(wèn)題進(jìn)行了展望。</p><p>　　2 圖像處理的Matlab實(shí)現(xiàn)</p><p>　　2.1 Matlab簡(jiǎn)介</p><p>　　由Math Wor

42、k公司開(kāi)發(fā)的Matlab語(yǔ)言語(yǔ)法限制不嚴(yán)格,程序設(shè)計(jì)自由度大,程序的可移植性好。Matlab還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱,常用的有圖像處理工具箱、小波分析工具箱及數(shù)字信號(hào)處理工具箱。利用這些工具箱,我們可以很方便的從各個(gè)方面對(duì)圖像的性質(zhì)進(jìn)行深入的研究。Matlab圖像處理工具箱支持索引圖像、RGB圖像、灰度圖像、二進(jìn)制圖像并能操作.bmp、jpg、tif等多種圖像格式文件。</p><p>　　

43、2.2 數(shù)字圖像處理及過(guò)程</p><p>　　圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計(jì)算機(jī)科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。</p>&

44、lt;p>　　2.2.1圖像處理的基本操作</p><p>　　讀取和顯示圖像可以通過(guò)imread()和imshow()來(lái)實(shí)現(xiàn);圖像的輸出用imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤上;另外還可以用imcrop()、imrisize()、imrotate()等來(lái)實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。</p><p>　　2.2.2圖像類型的轉(zhuǎn)換</p><p

45、>　　Matlab支持多種圖像類型,但在某些圖像操作中,對(duì)圖像的類型有要求,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。Matlab7.0圖像處理工具箱為我們提供了不同圖像類型相互轉(zhuǎn)換的大量函數(shù),如mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像,rgb2gray()轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。在類型轉(zhuǎn)換的時(shí)候,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況,針對(duì)這種情況,Matlab7.0工具箱中,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù),如

46、double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。</p><p><b>　　2.2.3圖像增強(qiáng)</b></p><p>　　圖像增強(qiáng)的目的是為了改善圖像的視覺(jué)效果,提高圖像的清晰度和工藝的適應(yīng)性,以及便于人與計(jì)算機(jī)的分析和處理,以滿足圖像復(fù)制或再現(xiàn)的要求。圖像增強(qiáng)的方法分為空域法和頻域法兩大類,空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行操作而頻域法是在圖像的某個(gè)變換域內(nèi)

47、對(duì)整個(gè)圖像進(jìn)行操作,并修改變換后的系數(shù),如傅立葉變換、DCT變換等的系數(shù),然后再進(jìn)行反變換,便可得到處理后的圖像。下面以空域增強(qiáng)法的幾種方法加以說(shuō)明。</p><p><b>　　(1)灰度變換增強(qiáng)</b></p><p>　　有多種方法可以實(shí)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。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法

48、。Matlab7.0圖像處理工具箱中提供了圖像直方圖均衡化的具體函數(shù)histeq(),同時(shí)我們可以用函數(shù)imhist()函數(shù)來(lái)計(jì)算和顯示圖像的直方圖。</p><p><b>　　(2)空域?yàn)V波增強(qiáng)</b></p><p>　　空域?yàn)V波按照空域?yàn)V波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實(shí)現(xiàn),目的在于模糊圖像或消除噪聲;銳化濾波器是用高通濾波來(lái)

49、實(shí)現(xiàn),目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié)。在Matlab中,各種濾波方法都是在空間域中通過(guò)不同的濾波算子實(shí)現(xiàn),可用fspecial()函數(shù)來(lái)創(chuàng)建預(yù)定義的濾波算子,然后可以使用imfilter()或filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對(duì)圖像進(jìn)行濾波。</p><p><b>　　2.2.4邊緣檢測(cè)</b></p><p>　　數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)

50、域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括對(duì)方向的確定,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等。Matlab7.0工具箱中提供的edge()函數(shù)可以進(jìn)行邊緣檢測(cè),在其參數(shù)里面,可以根據(jù)需要選擇合適的算子及其參數(shù)。</p><p>　

51、　2.3圖像處理功能的Matlab實(shí)現(xiàn)實(shí)例</p><p>　　本文通過(guò)運(yùn)用圖像處理工具箱的有關(guān)函數(shù)對(duì)一人臉的彩色圖像進(jìn)行處理。</p><p><b>　　1.圖像類型的轉(zhuǎn)換</b></p><p>　　因后面的圖像增強(qiáng),邊緣檢測(cè)都是針對(duì)灰度圖像進(jìn)行的,而我們的原圖是RGB圖像,所以首先我們要對(duì)原圖類型進(jìn)行轉(zhuǎn)換。實(shí)現(xiàn)過(guò)程代碼如下:</p

52、><p>　　i=imread('f:\face1.jpg');</p><p>　　j=rgb2gray(i);</p><p>　　imshow(j);imwrite(j,'f:\face1.tif')</p><p><b>　　效果如圖2.1:</b></p><p

53、>　　圖2.1對(duì)原圖類型進(jìn)行轉(zhuǎn)換</p><p><b>　　2.圖像增強(qiáng)</b></p><p>　　(1)灰度圖像直方圖均衡化</p><p>　　通過(guò)比較原圖和直方圖均衡化后的圖像可見(jiàn),圖像變得更清晰,而且均衡化后的直方圖比原直方圖的形狀更理想。該部分的程序代碼如下:</p><p>　　i=imread(&

54、#39;f:\face1.tif');i=rgb2gray(i);</p><p>　　j=histeq(i);imshow(j);</p><p>　　figure,subplot(1,2,1),imhist(i);</p><p>　　subplot(1,2,2),imhist(j)</p><p>　　執(zhí)行后的效果圖如圖2.2和

55、圖2.3:</p><p>　　圖2.2均衡化后的灰度圖像圖 2.3均衡化前后的直方圖對(duì)比圖</p><p>　　(2)灰度圖像平滑與銳化處理</p><p>　　平滑濾波器的目的在于模糊圖像或消除噪聲,Matlab7.0圖像處理工具箱提供了medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波,wiener2()實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波。在本文實(shí)

56、例中,為了使濾波效果更明顯,我們事先為圖像增加濾波,然后用自適應(yīng)濾波方法對(duì)圖像進(jìn)行濾波。銳化處理的目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié),在本實(shí)例中采用了預(yù)定義高斯濾波器的方法對(duì)圖像進(jìn)行銳化濾波。功能實(shí)現(xiàn)的代碼如下:</p><p>　　i=imread('f:\fae1.tif');</p><p>　　j=imnoise(i,'gaussian',0,0.02);

57、</p><p>　　subplot(1,2,1),imshow(j);</p><p>　　j1=wiener2(j);subplot(1,2,2),imshow(j1);</p><p>　　h=fspecial('gaussian',2,0.05);</p><p>　　j2=imfilter(i,h);figure,s

58、ubplot(1,2,1),imshow(i);</p><p>　　subplot(1,2,2),imshow(j2);</p><p>　　得到的效果圖如圖2.4和圖2.5:</p><p>　　加入噪聲的圖像 濾波后的圖像</p><p>　　圖2.4 平滑濾波效果</p><p&

59、gt;　　原灰度圖像 銳化后的圖像</p><p>　　圖2.5 銳化濾波效果圖</p><p><b>　　3.邊緣檢測(cè)</b></p><p>　　Matlab7.0圖像處理工具箱提供了edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè),還有各種方法算子供選擇,在本實(shí)例中采用了canny算子來(lái)進(jìn)行邊緣檢測(cè)。<

60、;/p><p><b>　　程序代碼如下:</b></p><p>　　i=imread('f:face.tif');</p><p>　　j=edge(i,'canny',[0.04,0.25],1.5);</p><p><b>　　imshow(j)</b><

61、/p><p><b>　　效果圖如圖2.6:</b></p><p>　　原灰度圖像 邊緣檢測(cè)后的圖像</p><p>　　圖2.6 邊緣檢測(cè)效果圖</p><p><b>　　2.4 本章小結(jié)</b></p><p>

62、　　以上實(shí)例只是對(duì)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(yǔ)言簡(jiǎn)潔,可讀性強(qiáng)。作為人臉識(shí)別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。</p><p>　　3 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng)</p><p><b>　　3.1 引言</b></p><p>　　計(jì)算機(jī)人臉識(shí)別是一個(gè)非?；钴S的研究領(lǐng)域，因其在公安

63、刑偵破案、銀行密碼系統(tǒng)、計(jì)算機(jī)安全系統(tǒng)以及動(dòng)態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識(shí)別、計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別系統(tǒng)一般包括人臉檢測(cè)與定位、人臉圖像預(yù)處理、特征提取和匹配識(shí)別四個(gè)組成部分。其中，人臉圖像預(yù)處理，作為特征提取和識(shí)別的前提步驟，是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必要環(huán)節(jié)。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備。</p><p>

64、　　不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。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。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(kù)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。</p><p>

65、　　鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測(cè)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)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。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。</p><p>

66、<b>　　3.2系統(tǒng)基本機(jī)構(gòu)</b></p><p>　　人臉識(shí)別是一個(gè)復(fù)雜的過(guò)程，一個(gè)計(jì)算機(jī)人臉識(shí)別的流程如圖3.1所示。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無(wú)的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來(lái)。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。通常檢測(cè)和定位結(jié)合進(jìn)行。對(duì)提取出來(lái)的人臉借助人臉描述就可以進(jìn)行（狹義的）人臉識(shí)

67、別，即通過(guò)提取特征來(lái)確定其身份。</p><p>　　圖3.1 基本框架圖</p><p>　　3.3 人臉檢測(cè)定位算法</p><p>　　人臉檢測(cè)定位算法大致可分為兩大類：基于顯式特征的方法和基于隱式特征的方法。</p><p>　　所謂顯式特征是指對(duì)人類肉眼來(lái)說(shuō)直觀可見(jiàn)的特征，如膚色、臉部輪廓、臉部結(jié)構(gòu)等?；陲@式特征的方法是指由人通

68、過(guò)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(cè)區(qū)域是否滿足這些“人臉特征”，來(lái)判定該區(qū)域是否包含人臉。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗(yàn)知識(shí)的方法。</p><p>　　在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測(cè)人臉是很自然的想法。Yang等在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類的膚色能在顏色空間中聚成單獨(dú)

69、的一類，而影響膚色值變化的最主要因素是亮度變化。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(guò)比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進(jìn)行驗(yàn)證，排除類膚色區(qū)域。Yoo等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個(gè)區(qū)域，根據(jù)橢圓長(zhǎng)短軸的比率判斷是否為人臉。</p><p>

70、;　　模板匹配的方法一般是人為地先定義一個(gè)標(biāo)準(zhǔn)人臉模板，計(jì)算輸入圖像與模板的似然度；然后，確定一個(gè)似然度閾值，用以判斷該輸入圖像中是否包含人臉</p><p>　　標(biāo)準(zhǔn),人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。</p><p>　　基于先驗(yàn)知識(shí)的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖（mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎(chǔ)上，針對(duì)人臉的灰度、

71、邊緣、紋理等信息，建立一種關(guān)于人臉的知識(shí)庫(kù)。在檢測(cè)中，首先抽取這些灰度、邊緣等信息，然后檢驗(yàn)它是否符合知識(shí)庫(kù)中關(guān)于人臉的先驗(yàn)知識(shí)。</p><p>　　以上三種方法的優(yōu)缺點(diǎn)比較見(jiàn)表3.1。</p><p>　　表3.1 基于顯示特征方法的特點(diǎn)</p><p>　　基于隱式特征的方法將人臉區(qū)域看成一類模式，使用大量“人臉”、“非人臉”樣本訓(xùn)練、構(gòu)造分類器，通過(guò)判別圖像

72、中所有可能區(qū)域是否屬于“人臉模式”的方法來(lái)實(shí)現(xiàn)人臉檢測(cè)。這類方法有：特征臉?lè)?、人工神?jīng)網(wǎng)絡(luò)法、支持向量機(jī)法；積分圖像法。</p><p>　　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。</p>&l

73、t;p>　　人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的方法是通過(guò)訓(xùn)練一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，把模式的統(tǒng)計(jì)特性隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)之中?；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)。</p><p>　　支撐向量機(jī)（Support Vector Machine，SVM）法是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種新的模式識(shí)別方法，它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原理，較之于

74、基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問(wèn)題，如：模型選擇和過(guò)學(xué)習(xí)問(wèn)題、非線性和維數(shù)災(zāi)難問(wèn)題、局部極小點(diǎn)問(wèn)題等都得到了很大程度上的解決。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。</p><p>　　基于積分圖像（Integral Ima

75、ge）特征的人臉檢測(cè)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(jí)聯(lián)弱分類器。</p><p>　　以上四種方法的優(yōu)缺點(diǎn)比較見(jiàn)表3.2</p><p>　　表3.2 基于隱式特征方法的特征</p><p>　　運(yùn)用matlab仿真進(jìn)行人臉檢測(cè)定位實(shí)例：</p><p><b&g

76、t;　　人臉檢測(cè)定位程序：</b></p><p>　　%%%%% Reading of a RGB image </p><p>　　i=imread('face1.jpg');</p><p>　　I=rgb2gray(i);</p><p>　　BW=im2bw(I);</p><p>

77、;　　figure,imshow(BW)</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　%%%%% minimisation of background portion</p><p>　　[n1 n2]=size(BW);</p><p>

78、;　　r=floor(n1/10);</p><p>　　c=floor(n2/10);</p><p>　　x1=1;x2=r;</p><p><b>　　s=r*c; </b></p><p>　　for i=1:10</p><p>　　y1=1;y2=c;</p><

79、p>　　for j=1:10</p><p>　　if (y2<=c | y2>=9*c) | (x1==1 | x2==r*10)</p><p>　　loc=find(BW(x1:x2, y1:y2)==0);</p><p>　　[o p]=size(loc);</p><p>　　pr=o*100/s;</p&

80、gt;<p>　　if pr<=100</p><p>　　BW(x1:x2, y1:y2)=0;</p><p>　　r1=x1;r2=x2;s1=y1;s2=y2;</p><p><b>　　pr1=0;</b></p><p><b>　　end</b></p>

81、;<p>　　imshow(BW);</p><p><b>　　end</b></p><p><b>　　y1=y1+c;</b></p><p><b>　　y2=y2+c;</b></p><p><b>　　end </b><

82、/p><p><b>　　x1=x1+r;</b></p><p><b>　　x2=x2+r;</b></p><p><b>　　end</b></p><p>　　figure,imshow(BW)</p><p>　　%%%%%%%%%%%%%%%%

83、%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　%%%%% detection of face object</p><p>　　L = bwlabel(BW,8);</p><p>　　BB = regionprops(L, 'BoundingBox');</p><p>　　BB1=

84、struct2cell(BB);</p><p>　　BB2=cell2mat(BB1); </p><p>　　[s1 s2]=size(BB2);</p><p><b>　　mx=0;</b></p><p>　　for k=3:4:s2-1</p><p>　　p=BB2(1,k)*BB2

85、(1,k+1);</p><p>　　if p>mx & (BB2(1,k)/BB2(1,k+1))<1.8</p><p><b>　　mx=p;</b></p><p><b>　　j=k;</b></p><p><b>　　end</b></p

86、><p><b>　　end</b></p><p>　　figure,imshow(I);</p><p><b>　　hold on;</b></p><p>　　rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j

87、+1)],'EdgeColor','r' )</p><p>　　原始圖片 灰度圖片</p><p>　　均衡化灰度圖片 人臉定位</p><p>　　3.4 人臉圖像的預(yù)處理</p>&

88、lt;p>　　不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。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。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(kù)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。鑒于此，作者在總結(jié)分析了濾

89、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)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。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。</p><p>　　3.4.1 人臉圖像預(yù)處理

90、方法</p><p>　　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(cè)及二值化、尺寸歸一化、灰度歸一化等。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。所以，在本仿真系統(tǒng)中，對(duì)上述的每種預(yù)處理方法全部加以實(shí)現(xiàn)的同時(shí)，還對(duì)三種最常用預(yù)處理方法：濾波去

91、噪、灰度變換、邊緣檢測(cè)，提供了多種不同的具體算法供用戶比較、選擇之用。</p><p><b>　　1.濾波去噪</b></p><p>　　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。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]。下面對(duì)本文實(shí)現(xiàn)的濾波方法及其

92、選擇依據(jù)加以說(shuō)明。在人臉圖像預(yù)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(yīng)濾波。</p><p>　?。?）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。對(duì)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。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?？紤]濾波模板大小對(duì)濾波效果

93、影響較大，仿真系統(tǒng)選擇算法時(shí)對(duì)同種濾波算法提供了不同模板大小的情況。</p><p>　?。?）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。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(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。</p><p>

94、;　?。?）自適應(yīng)濾波自適應(yīng)濾波能夠根據(jù)圖像的局部方差來(lái)調(diào)整濾波器的輸出，其濾波效果要優(yōu)于線性濾波，同時(shí)可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。</p><p><b>　　2.灰度變換</b></p><p>　　灰度變換是圖像增強(qiáng)技術(shù)中的一種。通過(guò)灰度變換，可對(duì)原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識(shí)別人臉圖像遵循同一或相似的灰度分布。只有這樣，不同圖像在特征提取和

95、識(shí)別時(shí)才具有可比性。這一過(guò)程，也被稱作灰度歸一化。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。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實(shí)現(xiàn)方法可由matlab仿真來(lái)實(shí)現(xiàn)。</p><p>　　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。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。

96、</p><p><b>　　3.邊緣檢測(cè)</b></p><p>　　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。邊緣檢測(cè)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。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。所以，和灰度變換及濾波去噪部分的

97、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(guò)調(diào)用MATLAB中提供的各種圖像類型轉(zhuǎn)

98、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。</p><p><b>　　3.5人臉識(shí)別</b></p><p>　　通過(guò)以上幾節(jié)的方法及步驟對(duì)人臉圖像的獲

99、取、檢測(cè)、特征提取以及圖像處理進(jìn)而實(shí)現(xiàn)的人臉定位，而后開(kāi)始進(jìn)行人臉識(shí)別，在人臉識(shí)別的過(guò)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(shí)域圖通過(guò)互相關(guān)性算法得到頻域的頻譜圖。人臉識(shí)別程序及效果圖如下。</p><p><b>　　人臉識(shí)別程序：</b></p><p>　　clc;clear all</p><p>　　J1=imread

100、('G:\張迎\標(biāo)準(zhǔn)測(cè)試圖像庫(kù)1\lena.tiff');</p><p>　　J2=imread('G:\張迎\標(biāo)準(zhǔn)測(cè)試圖像庫(kù)1\lena.tiff');</p><p>　　J1=rgb2gray(J1);</p><p>　　J2=rgb2gray(J2);</p><p>　　J1fft = fft2(

101、J1);</p><p>　　J2fft = fft2(J2);</p><p>　　J1fftShift = fftshift(J1fft);</p><p>　　J2fftShift = fftshift(J2fft);</p><p>　　J1Power = abs(J1fftShift);</p><p>　　

102、J2Power = abs(J2fftShift);</p><p>　　J2fftConjugate = conj(J2fftShift);%求共軛</p><p>　　CrossPowerSpecttrum = (J1fftShift .* J2fftConjugate) ./ (J1Power .* J2Power);%互能量譜</p><p>　　imsho

103、w(uint8(J1fft));figure;imshow(uint8(J2fft));</p><p>　　原圖 對(duì)比圖</p><p>　　原圖頻譜圖 對(duì)比圖頻譜圖</p><p>　　表3.3頻譜圖的相

104、關(guān)性系數(shù)</p><p>　　原圖 對(duì)比圖 </p><p>　　原圖頻譜圖 對(duì)比圖頻譜圖</p><p>　　表3.4頻譜圖的相關(guān)性系數(shù)</p><p>　　原圖

105、 對(duì)比圖</p><p>　　原圖頻譜圖 對(duì)比圖頻譜圖</p><p>　　表3.5頻譜圖的相關(guān)性系數(shù)</p><p>　　根據(jù)以上內(nèi)容利用matlab仿真軟件和傅里葉變換及相關(guān)性算法做出的人臉識(shí)別的頻譜圖以及頻譜圖的相關(guān)性系數(shù)，由相關(guān)性系數(shù)可得到，時(shí)域

106、圖一樣的，相關(guān)性系數(shù)都是1而且頻域圖也一樣；時(shí)域圖不一樣時(shí)，相關(guān)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(diǎn)，即使是相同的時(shí)域圖，它們的頻譜圖也存在一些差異。</p><p><b>　　4 實(shí)驗(yàn)結(jié)果與分析</b></p><p>　　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matl

107、ab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)。對(duì)于本文在人臉識(shí)別系統(tǒng)中幾種常用的圖像預(yù)處理方法進(jìn)行基礎(chǔ)的應(yīng)用，同時(shí)利用MATLAB實(shí)現(xiàn)了通用的人臉圖像預(yù)處理仿真，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判定。</p><p>　　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。</p><

108、p>　　傅里葉變換能將滿足一定條件的某個(gè)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。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。最初傅里葉分析是作為熱過(guò)程的解析分析的工具被提出的。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。</p><p>　　傅里葉變換在物理學(xué)、數(shù)論、組合數(shù)學(xué)、信號(hào)處理、概率、統(tǒng)計(jì)、密碼學(xué)、聲學(xué)

109、、光學(xué)等領(lǐng)域都有著廣泛的應(yīng)用。</p><p>　　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。相關(guān)性的元素之間需要存在一定的聯(lián)系或者概率才可以進(jìn)行相關(guān)性分析。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(jiàn)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。</p><p>　　在論文設(shè)計(jì)時(shí)人臉數(shù)據(jù)庫(kù)

110、不容易找到，有些圖像處理方法不是很理解，運(yùn)用的過(guò)程中碰到很多問(wèn)題。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。</p><p><b>　　5 結(jié)論</b></p><p>　　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)，作者在此只是有針對(duì)性、有選擇地進(jìn)行了一些仿真。</p><p>　　該系統(tǒng)

111、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。</p><p>　　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(lái)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（K-L變換、Fourier變換、小波變換等），圖像的膨脹腐蝕、圖像的幾何變換

112、（平移、旋轉(zhuǎn)、縮放等），以及各種編碼圖像的讀寫(xiě)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)。</p><p>　　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(lái)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)

113、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。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 祝磊,朱善安.人臉識(shí)別的一種新的特征提取方法[J].計(jì)算機(jī)學(xué)報(bào),2007,34</p><p>　　[2] 何東風(fēng),凌捷.人臉識(shí)別技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào),2003,(13):1275-78<

114、/p><p>　　[3] Younus Fazl-e-Basit 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</p><p>　　[4] 何國(guó)輝,甘俊英.PCA-LDA算法在性別鑒別中的應(yīng)用[J].中國(guó)圖像圖形學(xué)報(bào)，2006,32(19):208-211</p><p>　　[5] 王聃,賈云偉,林福嚴(yán).人臉識(shí)別系

115、統(tǒng)中的特征提取[J].自動(dòng)化學(xué)報(bào),2005,21</p><p>　　[6] 張儉鴿,王世卿,盛光磊.基于小波和DFB-PCA的人臉識(shí)別算法研究[J].自動(dòng)化學(xué)報(bào)，2007，23（2-1）</p><p>　　[7] 曹林,王東峰,劉小軍,鄒謀炎.基于二維Gabor小波的人臉識(shí)別算法[J].電子學(xué)報(bào),2006,28(3):490-494</p><p>　　[8]