1

目录

第一章 绪论 ................................................................................................................. 1

1.1 研究背景 ........................................................................................................ 2

1.2 人脸图像识别的应用前景 ............................................................................. 3

1.3 本文研究的问题 ............................................................................................. 4

1.4 识别系统构成 ................................................................................................ 4

1.5 论文的内容及组织 ......................................................................................... 6

第二章 图像处理的Matlab实现 ............................................................................... 7

2.1 Matlab简介 ..................................................................................................... 7

2.2 数字图像处理及过程 ..................................................................................... 7

2.2.1图像处理的基本操作 ............................................................................ 7

2.2.2图像类型的转换 .................................................................................... 8

2.2.3图像增强 ................................................................................................ 8

2.2.4边缘检测 ................................................................................................ 9

2.3图像处理功能的Matlab实现实例 ............................................................... 9

2.4 本章小结 ...................................................................................................... 13

第三章 人脸图像识别计算机系统 ........................................................................... 14

3.1 引言 .............................................................................................................. 14

3.2系统基本机构 ............................................................................................... 15

3.3 人脸检测定位算法 ....................................................................................... 15

3.4 人脸图像的预处理 ...................................................................................... 23

3.4.1 仿真系统中实现的人脸图像预处理方法 ......................................... 23

第四章 基于直方图的人脸识别实现 ....................................................................... 26

4.1识别理论 ........................................................................................................ 26

4.2 人脸识别的matlab实现 ............................................................................. 26

4.3 本章小结 ...................................................................................................... 27

第五章 总结 ............................................................................................................... 28

致谢 ............................................................................................................................. 29

参考文献 ..................................................................................................................... 30

附录 ............................................................................................................................. 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

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，进而应用到人脸识别系统。本文在总结分析人脸识别系统

中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理

方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块

可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

别判定。

其中涉及到图像的选取，脸部定位，特征提取，图像处理和识别几个过程。

1.4 识别系统构成

人类似乎具有“与生俱来”的人脸识别能力，赋予计算机同样的能力是人

类的梦想之一，这就是所谓的“人脸识别”系统。假设我们把照相机、摄像头、

扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的“影像”，

那么AFR赋予计算机根据其所“看到”的人脸图片来判断人物身份的能力。

广义的讲，自动人脸识别系统具有如图1.1所示的一般框架并完成相应功能

的任务。

图1.1 人脸识别系统一般框架

(1)人脸图像的获取

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。

(2)人脸的检测

人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在

图像中的坐标位置、人脸区域大小等信息。而人脸跟踪则需要进一步输出所检

测到的人脸位置、大小等状态随时间的连续变化情况。

(3)特征提取

通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如

眼睛、眉毛、鼻子、嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形

状信息的描述。

根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述（这

些特征包括：全局特征和局部特征，显式特征和统计特征等）。

(4)基于人脸图像比对的身份识别

即人脸识别(Face Identification)问题。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。

这包括两类识别问题：一类是闭集(Close Set)人脸识别问题，即假定输入的人脸

一定是人脸库中的某个个体；另一类是开集(Open Set)识别，即首先要对输入人

脸是否在已知人脸库中做出判断，如果是，则给出其身份。

(5)基于人脸图像比对的身份验证

即人脸确认(Face Verification)问题。系统在输入人脸图像的同时输入一个用

户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是

否相符作出判断。

1.5 论文的内容及组织

第二章主要介绍人脸识别系统中所用到的仿真软件Matlab，介绍了在人脸

图像识别过程中所需要的图像处理技术，包括：一些基本操作、格式转换、图

像增强等。并做了一个Matlab图像处理功能的实例

第三章主要始涉三个方面：首先是对人脸识别系统的构成做详细论述；其

次就是对人脸识别过程中的关键环节人脸检测、特征提取和图像预处理做详细

介绍；最后就是Matlab在人脸识别系统中的具体应用，即人脸图像识别的具体

技术，并用Matlab进行仿真试验并得到结果。

第四章是对人脸图像识别体系构架的设计，并给出了人脸识别用到的理论

知识即直方图差异对比，并编写matlab代码实现人脸图像识别。

第五章总结了全文的工作并对以后的需要进一步研究的问题进行了展望。

第二章 图像处理的Matlab实现

2.1 Matlab简介

由Math Work公司开发的Matlab语言语法限制不严格,程序设计自由度大,

程序的可移植性好。Matlab还推出了功能强大的适应于图像分析和处理的工具

箱,常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。利用这

些工具箱,我们可以很方便的从各个方面对图像的性质进行深入的研究。Matlab

图像处理工具箱支持索引图像、RGB图像、灰度图像、二进制图像并能操

作.bmp、.jpg、.tif等多种图像格式文件。

2.2 数字图像处理及过程

图像是人类获取信息、表达信息和传递信息的重要手段。利用计算机对图

像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数

字图像处理。数字图像处理技术已经成为信息科学、计算机科学、工程科学、

地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像

变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等

内容。

2.2.1图像处理的基本操作

读取和显示图像可以通过imread()和imshow()来实现;图像的输出用

imwrite()函数就可以很方便的把图像输出到硬盘上;另外还可以用imcrop()、

imrisize()、imrotate()等来实现图像的裁剪、缩放和旋转等功能。

2.2.2图像类型的转换

Matlab支持多种图像类型,但在某些图像操作中,对图像的类型有要求,所以

要涉及到对图像类型进行转换。Matlab7.0图像处理工具箱为我们提供了不同图

像类型相互转换的大量函数,如mat2gray()函数可以将矩阵转换为灰度图

像,rgb2gray()转换RGB图像或颜色映像表为灰度图像。在类型转换的时候,我们

还经常遇到数据类型不匹配的情况,针对这种情况,Matlab7.0工具箱中,也给我们

提供了各种数据类型之间的转换函数,如double()就是把数据转换为双精度类型

的函数。

2.2.3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。图像增

强的方法分为空域法和频域法两大类,空域法主要是对图像中的各个像素点进行

操作;而频域法是在图像的某个变换域内对整个图像进行操作,并修改变换后的

系数,如傅立叶变换、DCT变换等的系数,然后再进行反变换,便可得到处理后的

图像。下面以空域增强法的几种方法加以说明。

(1).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。

(2).空域滤波增强

空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。平滑

滤波器可以用低通滤波实现,目的在于模糊图像或消除噪声;锐化滤波器是用高

通滤波来实现,目的在于强调图像被模糊的细节。在Matlab中,各种滤波方法都

是在空间域中通过不同的滤波算子实现,可用fspecial()函数来创建预定义的滤波

算子,然后可以使用imfilter()或filter2()函数调用创建好的滤波器对图像进行滤

波。

2.2.4边缘检测

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分

析领域十分重要的基础,也是图像识别中提取图像特征的一个重要属性。边缘检

测算子可以检查每个像素的邻域并对灰度变化率进行量化,也包括对方向的确定,

其中大多数是基于方向导数掩模求卷积的方法。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()函数可以进行边

缘检测,在其参数里面,可以根据需要选择合适的算子及其参数。

2.3图像处理功能的Matlab实现实例

本文通过运用图像处理工具箱的有关函数对一人脸的彩色图像进行处理。

1)图像类型的转换

因后面的图像增强,边缘检测都是针对灰度图像进行的,而我们的原图是

RGB图像,所以首先我们要对原图类型进行转换。实现过程代码如下:

i=imread('f:\face1.jpg');j=rgb2gray(i);

imshow(j);imwrite(j,'f:\face1.tif')

效果图

2.1

图2.1

2)图像增强

(1)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。该部分的程序代码如下:

i=imread('f:\face1.tif');

j=histeq(i);imshow(j);

figure,subplot(1,2,1),imhist(i);

subplot(1,2,2),imhist(j)

执行后的效果图如图2.2和图2.3:

图2.2均衡化后的灰度图像 图2.3均衡化前后的直方图

对比图

(2)灰度图像平滑与锐化处理

平滑滤波器的目的在于模糊图像或消除噪声,Matlab7.0图像处理工具箱提

供了medfilter2()函数用于实现中值滤波,wiener2()实现对图像噪声的自适应滤

波。在本文实例中,为了使滤波效果更明显,我们事先为图像认为增加滤波,然后用

自适应滤波方法对图像进行滤波。锐化处理的目的在于强调图像被模糊的细节,

在本实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。功能实现的

代码如下:

i=imread('f:\fae1.tif');

j=imnoise(i,'guassian',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)

得到的效果图如图2.4和图2.5:

加入噪声的图像 滤波后的图像

图2.4 平滑滤波效果

原灰度图像 锐化后的图像

2.5 锐化滤波效果图

3)边缘检测

Matlab7.0图像处理工具箱提供了edge()函数实现边缘检测,还

图

有各种方法算子供选择,在本实例中采用了canny算子来进行边缘检

测,

程序代码如下:

i=imread('f:face.tif');

j=edge(i,'canny',[0.04,0.25],1.5);

imshow(j)

效果图如图2.6:

原灰度图像 边缘检测后的图像

图2.6 边缘检测效果图

2.4 本章小结

以上实例只是对Matlab图像处理工具箱函数的一小部分运用,从这些功能

的运用可以看出,Matlab语言简洁,可读性强。作为人脸识别系统中图像预处理工

具，有非常好的处理功能。

第三章 人脸图像识别计算机系统

3.1 引言

计算机人脸识别是一个非常活跃的研究领域，因其在公安刑侦破案、银行

密码系统、计算机安全系统以及动态监视系统等方面都有广泛应用，已成为当

前模式识别、计算机视觉领域的研究热点。人脸识别系统一般包括人脸检测与

定位、人脸图像预处理、特征提取和匹配识别四个组成部分。其中，人脸图像

预处理，作为特征提取和识别的前提步骤，是计算机人脸识别系统中的必要环

节。其目的是在去除噪声，加强有用信息，对输入设备或其他因素造成的退化

现像进行复原，为后续的特征提取和识别作准备。

不同的人脸识别系统根据其采用的图像来源和识别算法需要不同，采用的

预处理方法也不同。常用的人脸图像预处理方法有：滤波去噪、灰度变换、图

像二值化、边缘检测、尺寸归一化、灰度归一化等。用在同一系统中的可能只

有其中一种或几种预处理方法，但一旦库中采集到的原始图像质量发生较大变

化（如人脸大小、光照强度、拍摄条件、成像系统等方面变化），原有的预处理

模块便不能满足特征提取的需要，还要更新，这是极不方便的。

鉴于此，作者在总结分析了灰度变换、滤波去噪、边缘检测三种广泛应用

于不同人脸识别系统中的预处理方法基础上，设计了一个通用的人脸图像预处

理仿真系统。该系统可对不同条件下的原始图像进行相应的预处理。如，用户

可根据需要选择使用不同的滤波方法去除噪声、不同的边缘检测算子检测人脸

边缘、选择不同的灰度变换算法实现图像的灰度校正和灰度归一化，仿真系统

同时还实现了尺寸归一化、二值化等其他常用的图像预处理算法。

3.2系统基本机构

人脸识别是一个复杂的过程，一个计算机人脸识别的流程如图3-1所示。它

包括几个步骤：对采集到的图像，首先进行人脸检测（在输入图像中寻找人脸），

给出人脸有无的结果；然后进行人脸定位，确定人脸的位置并提取出来。对人

脸的定位在输入是图像序列时一般也称之为人脸跟踪。通常检测和定位结合进

行。对提取出来的人脸借助人脸描述就可以进行（狭义的）人脸识别，即通过

提取特征来确定其身份。

图3.1 基本框架图

3.3 人脸检测定位算法

人脸检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、