基matlab的人脸识别系统设计与仿真—毕业设计.doc

基matlab的人脸识别系统设计与仿真 目录 TOC \o 1-3 \h \z \u 第一章 绪论 h 2 1.1 研究背景 h 2 1.2 人脸图像识别的应用前景 h 3 1.3 本文研究的问题 h 4 1.4 识别系统构成 h 4 1.5 论文的内容及组织 h 6 第二章 图像处理的Matlab实现 h 7 2.1 Matlab简介 h 7 2.2 数字图像处理及过程 h 7 2.2.1图像处理的基本操作 h 7 2.2.2图像类型的转换 h 8 2.2.3图像增强 h 8 2.2.4边缘检测 h 9 2.3图像处理功能的Matlab实现实例 h 9 2.4 本章小结 h 13 第三章 人脸图像识别计算机系统 h 14 3.1 引言 h 14 3.2系统基本机构 h 15 3.3 人脸检测定位算法 h 15 3.4 人脸图像的预处理 h 22 3.4.1 仿真系统中实现的人脸图像预处理方法 h 23 第四章 基于直方图的人脸识别实现 h 26 4.1识别理论 h 26 4.2 人脸识别的matlab实现 h 26 4.3 本章小结 h 27 第五章 总结 h 28 致谢 h 29 参考文献 h 30 附录 h 32 第一章 绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。 1.1 研究背景 自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。 在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。 1.2 人脸图像识别的应用前景 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。 就从目前和将来来看，可以预测到人脸图像识别将具有广阔的应用前景，如表1-1中所列举就是其中已经实现或逐步完善的应用。 表1-1 人脸识别的应用 应用 优点 存在问题 信信用卡、汽车驾照、护照以及个人身份验证等 图像摄取可控 图像分割可控 图像质量好 需要建立庞大的数据库 嫌疑犯照片匹配 图像质量不统一 多幅图像可用 潜在的巨大图像库 互联网应用 视频信息价值高多人参与 存在虚假 银行/储蓄安全 监控效果好 图像分割不可控 图像质量较差 人群监测 图像质量高 可利用摄像图像 图像分割自由 图像质量低、实时性 1.3 本文研究的问题 本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用