基于直方图差值比较的人脸识别系统设计.pptVIP

基于直方图差值比较的人脸识别系统设计 姓名： 班级： 指导教师： 人脸识别研究背景 21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性。 随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高 近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用 故发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别的应用前景 应用前景 优点：图像摄取可控 缺点：需要建立庞大的数据库 优点：图像实时性 缺点：图像质量低 优点：潜在的巨大图像库 缺点：照片质量不统一 优点：信息视频价值高 缺点：存在虚假 优点：监控效果好 缺点：图像质量差 识别系统的构成 人脸识别系统流程图及指标 图像的读取 将原彩色图像转化为灰度图像 将灰度图像均衡化增强效果 人脸锁定 人脸识别 图像的读取 一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。读取和显示图像可以通过imread()和imshow()来实现。 人脸图像获取生活实例： 人脸图像获取MATLAB实现： 将原彩色图像转化为灰度图像 图像增强,边缘检测都是针对灰度图像进行的,而我们的原图是彩色图像,所以首先我们要对原图类型进行转换。 实现过程代码： i=imread(f:\face1.jpg);j=rgb2gray(i);imshow(j);imwrite(j,f:\face1.tif) 成果展示： 　　　 灰度图像均衡化 图像增强：图像增强的目的是为了改善图像的视觉效果,提高图像的清晰度和工艺的适应性,以及便于人与计算机的分析和处理,以满足图像复制或再现的要求。如：灰度变换增强。 有多种方法可以实现图像的灰度变换,其中最常用的就是直方图变换的方法,即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。Matlab7.0图像处理工具箱中提供了图像直方图均衡化的具体函数histeq(),同时我们可以用函数imhist()函数来计算和显示图像的直方图。 灰度图像直方图均衡化，通过比较原图和直方图均衡化后的图像可见,图像变得更清晰,而且均衡化后的直方图比原直方图的形状更理想。 对比图： 人脸锁定 人脸锁测定位算法大致可分为两大类：基于显式特征的方法和基于隐式特征的方法。 所谓显式特征是指对人类肉眼来说直观可见的特征，如肤色、脸部轮廓、脸部结构等。 所谓隐式特征的方法将人脸区域看成一类模式，使用大量“人脸”、“非人脸”样本训练、构造分类器，通过判别图像中所有可能区域是否属于“人脸模式”的方法来实现人脸检测。 成果展示 人脸识别 通过将输入人脸图像与人脸数据库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息。 识别理论：它以概率论为基础的,常用的实现算法主要是直方图均衡化和直方图规定化。 直方图均衡化：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 人脸识别 直方图规定化 直方图均衡化能够自动增强整个图像的对比度，但它的具体增强效果不容易控制，处理的结果总是得到全局均匀化的直方图。实际上有时需要变换直方图，使之成为某个特定的形状，从而有选择地增强某个灰度值范围内的对比度。 这时可以采用比较灵活的直方图规定化。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。 所谓直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。所以，直方图修正的关键就是灰度映像函数。 人脸识别 方案确定：直方图均衡化主要用于增强动态范围较小的图像的反差,基本思想是把原始图的直方图变换为均匀分布的形式,这样就增强了像素灰度值的动态范围,从而达到增强图像整体对比度的效果。直方图均衡化的优点是能自动地增强整个图像的对比度,但它的具体的增强效果不好控制,处理的结果总是