佳木斯大学学士学位论文
统。它是人们一直所追求的让机器智能化技术，就是让机器具备和人类一样的思考能力，识别能力以及处理事务的能力。而人脸识别技术的研究就是在这样的背景下发展起来的。
1.1.2 研究目的及意义
目前，人脸识别技术已经广泛用于军队、政府、社会福利保障、银行、安全防务及电子商务等领域。而我们研究这项技术的目的就是让其更好地服务于人类社会，在这个生活快节奏的前提下，与人方便。例如京沪高铁三站将建立人脸识别系统，即使整容也能被识别。铁路部门发布计划时表示，将在京沪高铁段的天津西站、济南西站、上海虹桥站这三个站点，建立人脸识别系统工程，以此来协助公安部门甄别、抓捕在逃罪犯。利用这个系统，即使作案后的犯罪分子进行整容，也会被识别。
研究人脸识别技术，在现实意义上具有重大意义：一是能进一步加强对人类视觉系统本身的认知；二是能够满足人类社会中对人工智能应用的广泛需要。同时人脸识别技术又有自然性、无侵犯性、成本低、智能化等几个显著优势。人脸识别技术的研究也有重大的学术价值。由于人类有非常复杂的细节变化，例如眼镜、胡须、发型等附属物的干扰，这就给该项技术带来了巨大挑战。成功构造出人脸识别系统将为解决其他与之类似的复杂问题提供重要的启示。
1.2 本课题的主要内容
本次课题主要讲述了人脸识别中应用Matlab对图像进行预处理，通过人脸检测、人脸跟踪、人脸比对来实现基于Matlab的人脸识别系统的仿真。利用Matlab实现一个集多种预处理方法于一体的通用的人脸识别仿真系统，将该系统作为图像预处理模块嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判断。
文中在研究人脸识别技术的仿真过程中，主要涉及了YCbCr空间、灰度图像转换、噪声消除、图像填孔、图像重构、人脸区域确定、边缘检测等技术。通过多次实验并比对各个算法和技术的优缺点，有效地实现了基于Matlab的人脸识别系统的设计与仿真，并达到了预期目标和效果。
5 佳木斯大学信息电子技术学院
佳木斯大学学士学位论文 第2章 图像处理的Matlab实现
2.1 识别系统构成
人脸识别技术系统主要可分为四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。一般人脸识别系统构架如图2.1所示：
人脸图像采集及检测 人脸图像预处理 人脸图像特征提取 匹配与识别 图2.1 人脸识别系统构架
（1）人脸图像采集及检测 人脸图像采集：人脸图像信息都能通过摄像镜头采集记录下来，比如不同位置、不同表情、静态图像、动态图像等方面都能得到很好的采集。当目标在采集设备拍摄的范围内时，采集设备会自动搜索并采集目标的人脸图像;人脸检测：在实际中主要应用于人脸识别的预处理，即在采集到的图像中准确定位出人脸的位置。人脸图像中包含的模式特征非常丰富，如模板特征、结构特征、直方图特征、颜色特征等。人脸检测就是挑出这其中有用的特征信息，并利用这些特征来实现人脸识别。
（2）人脸图像预处理 人脸图像预处理：所谓人脸图像预处理，就是基于人脸检测结果，并对人脸图像进行处理，最终服务于人脸特征提取的过程。系统获取的原始人脸图像由于受到随机干扰和各种条件的限制，通常不能直接使用，所以必须在人脸图像处理过程中要先对它进行灰度图像、噪声过滤等图像预处理。而对于人脸图像，预处理的过程主要涉及灰度变换、人脸图像的光线补偿、几何校正、直方图均衡化、归一化、滤波以及锐化等。
（3）人脸图像特征提取 人脸图像特征提取：人脸识别系统通常会使用的特征分为视觉特征、人脸图像变换系数特征、像素统计特征以及人脸图像代数特征等。所谓人脸特征提取即针对人脸的某些特征进行的提取。人脸特征提取，也被称为人脸表征，是对人脸特征进行建模的过程。人脸特征提取的方法总结起来
6 佳木斯大学信息电子技术学院
佳木斯大学学士学位论文
可以分为两大类：一种是基于统计学习或代数特征的表征方法；另一种是基于知识的表征方法。
（4）匹配与识别 人脸图像的匹配与识别：将提取到的图像特征数据与数据库中已存的特征模板进行搜索匹配，设定一个阈值，当相似度超过这一阈值时，则把匹配所得到的结果输出。人脸识别就是将待识别的人脸特征与已存储的人脸特征模板进行比对，依据相似度对该人脸图像的身份信息进行判别。这一过程主要分为两步：第一步是确认，就是一对一进行图像比较的过程，第二步是辨认，就是一对多进行图像匹配对比的过程。
2.2 人脸图像的读取与显示
人脸图像的读取和显示可通过imread( )和imshow( )指令来实现;图像的输出可以用imwrite( )函数，很方便快捷的将图像输出到电脑硬盘上;另外还可以通过imcrop( )、imrisize( )、imrotate( )等函数来实现图像的裁剪、缩放与旋转等功能。
2.3 图像类型的转换
Matlab支持多种图像类型,在很多图像操作处理中,对图像的类型有要求,所以就涉及到了对图像的类型进行转换。Matlab7.0图像处理工具箱包含了不同图像类型之间相互转换的大量函数,如rgb2gray()可以将颜色映像表或RGB图像转换为灰度图像，通过mat2gray()函数能实现矩阵转换为灰度图像的功能。在类型转换的处理过程中,我们还会经常遇到数据类型不匹配的问题,针对这一问题,Matlab7.0工具箱中为我们提供了各种数据类型之间相互转换的函数,例如double()函数的功能就是将数据转换为双精度数据类型。
因为后续的图像增强、边缘检测等都是针对灰度图像进行的,而原图像是RGB图像,所以我们首先要对原图像进行类型转换。实现过程代码如下:
i=imread('F:\\2.JPG');j=rgb2gray(i); imshow(j);imwrite(j,'F:\\2.tif')
7 佳木斯大学信息电子技术学院
佳木斯大学学士学位论文
转换后的灰度图像如图2.2所示：
图2.2 灰度图像
2.4 图像增强
图像增强的目的是改善图像的视觉效果,或者使图像更适合于人或机器进行分析处理。通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度，也可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀图像，突出目标的边缘等。
实现图像的灰度转换的方法有很多,其中最常用到的是直方图变换的方法,即直方图的均衡化。该种方法是使输出图像直方图近似服从均匀分布的变换方法。Matlab7.0图像处理工具箱中为我们提供了图像直方图均衡化的函数histeq(),我们也可以通过imhist()函数计算和显示图像的直方图。
通过原图与直方图均衡化后图像对比可以发现,图像变得更加清晰,并且均衡化后的直方图相对于原直方图的形状更为理想。实现过程代码如下:
i=imread('F:\\2.tif'); j=histeq(i);imshow(j); figure,subplot(1,2,1),imhist(i); subplot(1,2,2),imhist(j)
执行后得到的图像如下所示：
8 佳木斯大学信息电子技术学院
佳木斯大学学士学位论文
图2.3 均衡化后的灰度图像 图2.4 均衡化前后的直方图对比图
2.5 灰度图像平滑与锐化处理
平滑滤波器的作用是模糊图像或者消除噪声,Matlab7.0图像处理工具箱为我们提供了wiener2()来实现对图像噪声的自适应滤波，medfilter2()函数用来实现中值滤波。在本文案例中,为使滤波效果更加明显,我们预先为人脸图像人为增加噪声,然后用自适应滤波方法对图像进行滤波处理。锐化处理的作用是用来强调图像中被模糊的细节,在本案例中，采用了预定义高斯滤波器的方法对图像进行锐化滤波。实现过程的代码如下:
i=imread('F:\\2.tif');
j=imnoise(i,'gaussian',0,0.02); subplot(1,2,1),imshow(j);
j1=wiener2(j);subplot(1,2,2),imshow(j1);
h=fspecial('gaussian',2,0.05);j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)
subplot(1,2,2),imshow(j2)
9 佳木斯大学信息电子技术学院