1 绪论
1.1 论文的研究背景及意义
人脸检测是指在输入图像中确定所有人脸(如果存在)的位置、大小、位姿的过程。随着时代的进步，信息化程度的提高，人机交互技术日益成为当前研究的一个中心。而其中的人脸检测问题也越来越受到重视，成为计算机视觉和模式识别等领域研究的一个热点。
早在上世纪60年代，人们就已经开始了对人脸识别的研究，至今已有50多年的历史了，是当前模式识别和人工智能领域的一个前沿课题，时代的发展使得人脸识别技术的应用前景更加广阔。随着电子信息技术的迅猛发展，人脸识别技术成为身份验证的最理想的方式。作为一种重要的个人身份鉴别技术，在国家安全、视频监控、门禁系统等多种地方法都有运用。和其他方法比较起来，该技术具有更加方便、低侵犯性、鲁棒性强等多种特点]1[。
人脸检测的目的就是从背景图像中找到人脸区域，然后把人脸从中分割出来，接着再进行人脸识别的后续工作。论文主要研究基于肤色分割的彩色图像人脸检测方法。
1.2 国内外的研究状况
当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab，AI lab，CMU的Human-Computer Interface Institute，Microsoft Research，英国的Department of Engineering in University of Cambridge等。目前的方法主要集中在以下几个方面]2[：（1）模板匹配
主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模
板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一种方法是系统自动生成自适应的曲线或曲面，以构成变形人脸模板。检测方法是：将模板与测试图像进行弹性匹配，并加入惩罚机制，利用某种能量函数表示匹配程度。
（2）示例学习
示例学习的基本思想是从某一概念的已给正例和反例的集合中归纳产生出接受所有正例同时排斥所有反例的该概念的一般规则。将人脸样本和非人脸样本送入学习机中，产生出判别规则，从而用于作为判断输入的测试图像是否属于人脸的主要判别依据。为了获得较高的精度，学习过程需要大量的样本，另外样本数据本身是高维矢量，因此，研究通用而有效的学习算法的关键是精确的区分性和数据维数的降低。
将多个表示人脸模式的线性空间进行组合，是示例学习的另一条途径。采用了Kohonen自组织映射网络对人脸样本和非人脸样本进行聚类，对每一类样本进行Fisher线性判别，得到每一类的判别平面，从而构成图像子空间，并运用高斯模型描述每个子空间，估计出类条件概率密度。这样，对于测试图像，计算其属于各个子空间的概率，分类决策为概率最大的类是它所属的类，从而判断测试图像是否为人脸。
（3）神经网络
从本质上讲，神经网络也是一种基于样本的学习方法。将神经网络用于人脸检测取得了很大的进展。MIT的学者首先对人脸样本集和非人脸样本集聚类，以测试样本与人脸样本集和非人脸样本集的子类之间的距离作为分类的度量，利用多层感知器（MLP）网络作为分类器。CMU的研究人员直接以图像作为神经网络的输入，设计了一个具有独特结构的适用于人脸特征的神经网络分类器，并通过前馈神经网络对检测结果优化。Raphael Feraud等利用多个神经网络：多层感知器（MLP）和约束产生式模型（CGM，Constrained Generative Model），实现了一个可应用于WEB中人脸图像检索的快速而准确的人脸检测方法。Shang-Hung Lin等训练了三个基于概率决策的神经网络（PDBNN，Probabilistic Decision Based Neural Network），用于人脸检测，眼睛定位和人脸识别，实现了
一个完整的人脸识别系统。
（4）基于隐马尔可夫模型的方法
马尔可夫模型是一个离散时序有限状态自动机，隐马尔可夫模型（HMM）是指这一马尔可夫模型的内部状态外界不可见，外界只能看到各个时刻的输出值。对于人脸模式来说，可以把它分成前额，眼睛，鼻子，嘴巴和下巴这样一个序列。人脸模式就可以通过对这些区域的有序的识别来检测，这正好是隐马尔可夫模型容易做到的。Samaria等人提出了使用HMM模型进行人脸检测的算法，他们使用人脸区域的结构信息作为隐马尔可夫模型的状态迁移条件。除此以外，基于AdaBoost的人脸识别算法，基于彩色信息的方法，基于形状分析的方法，以及多模态信息融合的方法，国外都进行了大量的研究与实验。
国内关于人脸自动识别的研究始于二十世纪80年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学等，并都取得了一定的成果。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。周激流]3[实现了具有反馈机制的人脸正面识别系统，运用积分投影法提取面部特征的关键点并用于识别，获得了比较满意的效果。他同时也尝试了“稳定视”特征提取方法，即为使识别系统中包含3D信息，对人脸侧面剪影识别做了一定的研究，并实现了正，侧面互相参照的识别系统。彭辉、张长水等]4[“特征”的方法做了进一步的发展，提出采用类间散布矩阵作为产生矩阵，进一步降低了产生矩阵的维数，在保持识别率的情况下，大大降低了运算量。程永清，庄永明等]5[对同类图像的平均灰度图进行SVD分解得到特征脸空间，每一幅图像在特征脸空间上的投影作为其代数特征，然后利用层次判别进行分类。张辉，周洪祥，何振亚]6[采用对称主元分析神经网络，用去冗余和权值正交相结合的方法对人脸进行特征提取和识别。该方法所用特征数据量小，特征提取运算量也较小，比较好地实现了大量人脸样本的存储和人脸的快速识别。北京科技大学的王志良教授]7[主要研究人工心理，建立了以数学公式为基础的心理学模型。
尽管人脸识别技术有着广阔的应用前景，但是无论是在识别率，还是在防伪
性上，都与指纹，视网膜等有着较大的差距，归根结底，影响人脸识别效果的原因主要有以下的几个方面：
（1）人脸图像的获取过程中的不确定性（如光的方向，以及光的强度等）。
（2）人脸模式的多样性（如胡须，眼镜，发型等）。
（3）人脸塑性变形的不确定性（如表情等）。
（4）所涉及的领域知识的综合性（如心理学，医学，模式识别，图像处理，数学等）。正因为在人脸识别过程中存在上述各种各样的问题，因此在实际的检测和识别过程中，当这些因素叠加到一起的时候，情况就变得更加复杂。基于几何特征的识别方法，其存在的主要问题在于，没有形成一个统一的，优秀的特征提取标准。在描述人脸的时候，受到表情，光照，姿态的影响比较大，无法准确地描述人脸特征。尽管如此，基于几何特征的方法在处理人脸表情分析时，仍然是一个最有效的依据。同时，目前已经提出了很多改进的特征提取的算法，使得人脸几何特征的提取越来越趋于合理，这里面最具代表性的方法就是结合3D人脸信息的特征点提取技术。基于代数特征的识别方法是目前在实际应用中使用得最多的一类方法，其主要原因是由于代数特征矢量（即人脸图像在特征空间的投影结果）对角度，表情等因素都具有一定的稳定性。但对于光照而言，似乎效果并不太明显。这种代数的特征识别方法，无法应用于人脸的表情识别]8[。
人脸识别的各种方法，实际上就是在寻找一种人脸的描述方式，但是要找到一种能够不受各种因素影响的描述方式非常地困难，无论是最早使用的几何描述方式以及后来比较常用的代数描述方式，都不可避免地存在各种干扰。只能是在以后的研究中，逐渐去完善人脸的描述方式，使之更加有效，更加准确。
1.3 论文的主要研究内容
人作为智能监控中的重要对象之一，其图像的检测和识别在监控中有着重要的地位。对人的检测验证有多种方法，可以通过运动物体的轮廓、面积因子等方法得到，但是对其中最感兴趣的部分是人脸部分，其在防盗、追捕中的地位是人的其他特征所不能代替的，这也是人脸检测被广泛研究的原因。故本文在选题时选择相对较为复杂的人脸图像检测，通过对人脸检测的算法研究，设计并实现一个快速的方法应用在静态图片中的人脸检测。
原有的人脸检测算法包括多关联模板匹配的方法、人工神经元的方法、支持
向量机等方法，以及这些方法的综合运用。但这些方法都主要是针对灰度图像中的信息，运算量较大；再加之没有任何先验知识，通常是在全图像范围内进行穷举搜索，搜索的矩形框尺度变化也很大，所以不可避免的造成了检测时间长、效率低，而且误报率也较高。本文主要研究内容是如何有效的将肤色信息应用于人脸检测中去。重点是将肤色判断作为人脸检测的预处理，即在现有人脸检测算法的基础上增加肤色分割的预处理，分别研究肤色模型的选取和建立、肤色分割的方法，以及人脸区域的验证。实验证明本设计效率高、误报率低，同时尽量提高检测的正确率、降低漏检率。
1.4 论文内容组织
本文章节安排如下：
第一章绪论
本章主要介绍了人脸识别的研究背景及现状，继而提出本论文的研究内容，最后给出本文的章节安排。
第二章肤色分割技术及人脸检测方法
本章主要介绍了与人检测相关的基础理论知识。对人脸检测方法进行详细的综述。
第三章人脸检测系统的设计及实现
本章详细介绍人脸检测系统的原理框图和功能，在人脸检测模块所采用的人检测方法。并介绍了各步骤的图像处理其相应的算法，及其利用该算法进行人脸检测的过程
第四章实验结果及分析
编程实现了一种基于肤色分割的彩色图像人脸检测算法，这种算法实现较为简单，速度较快。
第五章总结
2 肤色分割技术及人脸检测方法
2.1 肤色分割技术
本文是研究基于肤色分割的彩色图像的人脸检测系统，先简单介绍下肤色分割技术以及相关原理。
2.1.1 色彩空间
为了把人脸区域从非人脸区域分割出来，需要使用适合不同肤色和不同光照条件的可靠肤色模型。
常用的RGB表示方法不适合于皮肤模型，在RGB空间，三基色（R，G，B）不仅代表颜色，还表示了亮度。由于周围环境光照的改变，亮度可能使人脸的检测变得更加复杂，在皮肤的分割过程中是不可靠的。为利用肤色在色度空间的聚类性，需要把颜色表达式中的色度信息与亮度信息分开，将R，G，B转换为色度与亮度分开的色彩表达空间可以达到这个目的。颜色空间的转换常用的颜色模型主要有：YCbCr ，HSV ，YIQ等]9[。在本论文的设计中采用YCbCr空间作为肤色分布统计的映射空间，该空间的优点是受亮度变化的影响较小，而目是二维独立分布，能较好地限制肤色分布区域。在YCbCr颜色模型中，Y为颜色的亮度成分，Cr和Cb分量分别表示红色和蓝色的色度。它具有HSI格式中将亮度分量分离的优点，而且可以从RGB格式线性变化得到，因此在其基础上的变换模型的应用非常广泛。为了消除光照因素的影响，选择YCbCr颜色模型，对输入的彩色图像进行颜色空间转换，将其从相关性较高的RGB空间转换到颜色分量互不相关的YCbCr颜色空间，其转换公式2-1、2-2所示]10[：
????
??????--??????????--=??????????????????????????????????----=????????????128128077200.1171414.034414.01040200.11100001280813.04187.05000.01285000.03313.01687.001140.05780.02990.01Cr Cb Y B G R B G R Cr Cb Y
） （） （2-21-2 虽然不同人的皮肤颜色可能相差很大，但它们色度上的差异远小于亮度上的
差异，也就是说，不同人的肤色在色度上往往很接近，只是在亮度上差异较大，
不同的肤色具有相同的2D Gaussian （二维高斯）模型。
本文选用YCbCr 色彩空间，因为其具有如下一些优点：
(1)YCbCr 色彩格式具有与人类视觉感知过程相类似的构成原理。
(2)YCbCr 色彩格式被广泛应用在电视显示等领域中，也是许多视频压缩编
码，如MPEG ， JPEG 等标准中普遍采用的颜色表示格式。
(3)YCbCr 色彩格式具有与HIS 等其它一些色彩格式相类似的将色彩中的亮
度分量分离开来的优点。
(4)相比HIS 等其它一些色彩格式，YCbCr 色彩格式的计算过程和空间坐标表
示形式比较简单。
(5)实验结果表明在YCbCr 色彩空间中肤色的聚类特性比较好，能实现皮肤颜
色信息的建模。YCbCr 色彩空间可直接由RGB 色彩空间通过线性变换得到，所以
其亮度分量Y 并不是完全独立于色度信息而存在的，所以肤色的聚类区域也是随
Y 的不同而呈非线形变化的趋势。
2.1.2 肤色建模
肤色建模就是根据人脸肤色与其它背景颜色的差异这样一个特征来对输入
图像建立一个模型，借此来对对象实现分析、检测等功能。在肤色模型中有两个
关键技术：
（1） 光线补偿
肤色等色彩信息经常受到光源颜色、图像采集设备的色彩偏差等因素影响，
在整体上偏离本质色彩而向某一方向移动。为了抵消这种整个图像中存在着色彩
偏差，将整个图像中所有像素的亮度(是经过了非线性V 一校正后的亮度)从高到
低进行排列，取前5%的像素，如果这些像素的数目足够多，就将它们的亮度作
为“参考白”，即将它们的色彩的R ，G ，B 分量值都调整为最大的255。整幅图像
的其它像素点的色彩值也都按这一调整尺度进行变换]11[。
（2） 非线性色彩变换
这是构成本设计实际利用肤色模型的主要部分。肤色模型的建立首先要选
取一种合适的色彩空间，本设计采用的是YCbCr 色彩空间。
YCbCr 色彩格式直接由RGB 色彩格式通过线性变换得到，所以其亮度分量Y
并不是完全独立于色度信息而存在，所以肤色的聚类区域也是随Y 的不同而呈非
线性变化的趋势。这种依赖关系在很大程度上影响了图像的检测，所以本系统实
现的时候对YCbCr 空间又进行了一次非线性的转换，用来消除色度对亮度的依赖
关系]9[。
图2.1 肤色点在YCbCr 色彩空间
从图2.1中可以看出，在YCbCr 色彩空间中，肤色聚类是呈两头尖的纺锤型，
在Y 值较大和较小的部分，肤色聚类区域也随之缩小。由此，在Y 值不同的地方，
取Cr-Cb 子平面的投影，得到的结果也不同的。因此，简单地排除Y 分量，按照
传统的做法在二维Cr-Cb 子平面中寻求肤色的聚类区域是不可行的，必须考虑Y
值不同造成的影响，从而对YCbCr 色彩格式进行非线性分段色彩变换。
图2.2和图2.3反映了肤色聚类的边界上，Cr 分量和Cb 分量随Y 分量变化的情
况。可以看出，在图2.2和图2.3中，用这四个边界来限制肤色聚类区域可以很好
地适应亮度过明或者过暗的区域，从而使肤色模型的鲁棒性极大的提高。经过了
非线性分段色彩变换得到的色彩空间用YCb'Cr'表示。YCbCr 坐标空间到YCb'Cr'
坐标空间的变换过程推导如下]12[：
图2.2 Cb-Y平面图图2.3 Cr-Y平面图
(1) 在图2.2、图2.3中，将肤色区域的中轴线分别才用)
(y
Cb和)
(r y
C来表示，可以得到两者的表达式为：
?
?
?
??
?
?
<
-
-
?
-
-
<
-
-
?
-
+
=
?
?
?
??
?
?
<
-
-
?
-
+
<
-
-
?
-
+
=
)
(
min
)
144
154
(
)
(
154
)
(
)
max
132
154
(
)
(
154
)
(
)
(
min
)
108
118
(
)
(
108
)
(
max
)
108
118
(
)
(
108
)
(
Ki
Y
if
Y
Ki
Y
Ki
Y
Kh
if
Kh
Y
Kh
Y
Y
Cr
Ki
Y
if
Y
Ki
Y
Ki
Y
Kh
if
Kh
Y
Kh
Y
Y
Cb
）
（
）
（
4-2
3-2
其中K i和Kh为常量，也就是非线性分段色彩变换的分段闭值，分别为：
Ki=125，Kh=188
Ymin和Ymax也是常数，肤色聚类区域中Y分量的最小和最大值为：
Ymin=16，Ymax=235
（2）同样如此，将肤色区域的宽度分别用)
(
cb Y
W和)
(
cr Y
W来表示，这也是一个分段函数，其表达式为：
???????<--?-+<--?-+=)
(min )
(min)()(max )()max ()(ci Ki Y if Y Ki WLci Wci Y Y WLci Y Kh if Kh Y WHci Wci Y Y WHci y W ） （5-2 其中，i 代表r 或b ，Ki 、Ki 、Kh 、Ymin 和Ymax 同（1）中的数据。Wc 、WLc
也是常数，分别为：
Wcb=46.97， WLcb=23， WHcb=14
Wcr=38.76， WLcr=20， WHcb=10
（3）最后，可以根据上面的结果得到如下的非线性分段色彩变换公式：
[]()6-2),()()()()()())()(()(
?????∈<<+?-='Kh Ki Y if Y Ci Y Kh or Ki Y if Y Ci Y Wci Wci Y Ci Y Ci Y i C
图2.4变换后的肤色聚类分布
图2.5投影后的肤色聚类模型
经过非线性分段色彩变换，肤色聚类在YCb'Cr'空间的分布图如图2.4所示。再将其投影到Cb'-Cr'二维空间，就可以得到实用的肤色聚类模型。投影图如图2.5所示。
用一个椭圆来近似这一肤色区域，得到它的解析式为：
?
?
?
?
?
?
-'
-'
?
?
?
?
?
?
-
=
?
?
?
?
?
?
=
-
+
-
cy
r C
cx
b
C
y
b
ecy
y
ecx
x
θ
θ
θ
θ
cos
sin
sin
cos
x
,
,1
)
(
a2
2
2
2
其中
）
（
解析式中的常量分别为：
cx=109.38
cy=152.02
θ=2.53 (弧度)
exc=2.41
a=25.39
b=14.03
2.1.3 肤色分割技术
提取肤色模型中的肤色像素点，将一个个分散的像素点构成一个个人脸区域，再利用这些人脸区域的外接矩形来表征它们。人脸区域分割的系统结构图如
图2.6所示]13[：
输入输出
图2.6 系统示意图
在图2.6中，输出的一系列矩形要取代原来的整幅图像作为以后的人脸检测算法输入。所以对于这些矩形的要求如下：
（1）这一系列矩形应该尽可能的包含待检测图像中的所有人脸
对于距离较近或者是有接触的多个人脸，分割后得到的肤色区域自然距离较近或者是连在一起，这时可以用一个矩形区域覆盖它们。不漏检、不降低正确率是整个肤色分割预处理的前提，也自然是人脸区域分割算法的前提。任何肤色模型都存在着判断失误的现象，算法输出的一系列矩形应该尽量包含所有的人脸区域显得尤为重要。
（2）这一系列矩形应该少包含非肤色区域
即相对原来的整幅图像，经过肤色分割预处理后的这一系列矩形的大小要明显小于原来的整幅图像。这也是肤色分割预处理能够提高人脸检测算法的时间效率的原因；也是肤色分割预处理能够降低误报率的关键。
2.2 人脸检测方法
人脸检测从不同角度可以有不同的研究方法：
(1)肤色区域分割与人脸特征验证结合：常用于彩色图片，通过使用肤色分割得到待选区域，然后通过其他的如轮廓闭、灰度分布等特征进行验证筛选；
(2)基于启发式的模型：基于启发式模型的方法首先抽取几何形状、灰度、纹
理等特征，然后检验它们是否符合人脸的先验知识。常用的有变形模板、镶嵌图像中的肤
色和非肤色
像素点
人脸区域分割算法
包含人脸区
域在内的一
系列矩形区
图等；
(3)基于统计模型的方法：此类方法将人脸区域看作一类模式，即模板特征，使用大量的“人脸”与“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属于哪类模式的方法实现人脸的检测。实际上，人脸检测问题被转化为统计模式识别的二分类问题。具体可分为基于特征空间的方法、基于神经网络的方法、基于概率模型的方法、基于支持向量机的方法等四类]14[。本文采用第一种方法，即基于肤色分割的人脸检测方法。
3 人脸检测系统的设计及实现
3.1 人脸检测系统设计流程
本章主要解决的是彩色图像中静态人脸的检测问题。通过构建肤色模型，对
非线性变换的图像进行预处理，然后通过肤色分割得到人脸候选区域，确定肤色
连通区域，最后检测判断是否为人脸。人脸检测的大致试验流程图如图3.1所示：
图3.1人脸检测系统设计流程图 下面按照本文研究的方法流程，来对生活中的照片图像实现人脸检测。
3.2 肤色建模过程
对图像进行人脸检测的研究，首先要做的步骤是构建一个肤色模型，方法流
程图如图3.2所示：
构建肤色模型 图像预处理 验证
肤色分割
图3.2 肤色建模设计基本流程图
按照图3.2所示基本流程框图建立肤色建模的设计系统：
(1)调用输入文件对话框，要求用户输入24位彩色位图，将选择的图像文件
显示出来。
(2)将图像拷贝入内存，得到每个像素的rgb 值，计算其灰度值，并计算整幅
图像中每种灰度的数目，取亮度最大的5%的像素，得到光线补偿系数，最后，
用此系数调整每个像素点的rgb 值。
(3)取得每个像素的rgb 值，根据公式(2-1)计算对应的Y ， Cr ， Cb 值。
(4)根据步骤(3)所得到的Y 值，判断其是否在两个临界值之间，如果在，则保
持不变，否则根据公式(2-2)调整其Cr ，Cb 值。
(5)用步骤(3)、步骤(4)得到的Cr ，Cb 值根据公式(2-6)计算离心率，如果满足
要求，则将该像素置为白色(255，255，255)，否则，将该像素置为白色(0，0， 0)。
(6)将处理过的图像显示出来。
肤色等色彩信息经常受到光源颜色、图像采集设备的色彩偏差等因素影响，
在整体上偏离本质色彩而向某一方向移动。造成的图像偏色，即通常所说的色彩
偏冷、偏暖，照片偏黄、偏蓝等等。为了抵消这种整个图像中存在着的色彩偏差，
需要进行光线补偿处理。我们将整个图像中所有像素的亮度从高到低进行排列，
输入图像 光线补偿处理 非线性变换
人脸肤色建模
色彩空间转换
取前5%的像素，如果这些像素的数目足够多，就将它们的亮度作为参考，即将
它们的色彩的R ，G ，B 分量值都调整为最大的255]15[。整幅图像的其它像素点的
色彩值也都按这一调整尺度进行线性变换。图3.3为原图，图3.4为光线补偿效果
图：
图3.3 原图
图3.4 光线补偿效果图
YCbCr 色彩格式直接由RGB 色彩格式通过线性变化得到，所以其亮度分量
Y 并不是完全独立于色度信息而存在的，所以肤色的聚类区域也是随Y 的不同
而呈非线性变化的趋势。Anil K. Jain 等从Heinrich-Hertz-Institute (lIHI)图像库中
的137幅图像中手工选取853571个肤色象素点，并将其绘制在YCbCr 空间及其
二维投影子空间Cb-Cr 空间中，得到的结果如图3.5、3.6所示]16[：
图3.5 肤色点于YCbCr 空间
图3.6 肤色点于CbCr 空间投影
基于人脸肤色模型，首先采用基于相似度的方法来检测人脸区域。定义
r=R/(R+G+B)，b=B/(R+G+B)，这样就把三维的RGB 降为二维。而在这个二维平
面上，肤色区域相对很集中，如图3.7，可以用Gauss 分布来描述这种分布]17[：
图3.7 高斯分布
采用训练的方法来计算得到上图的分布的中心，然后根据所考察的像素离该
中心的远近来得到一个肤色的相似度，从而得到一个原图的相似度分布图，再按
照一定的规则对该分布图二值化，以最终确定肤色的区域。训练的时候，需要确
定的是均值M 和方差C 。如公式3-1]18[：
[]()13,)))(((),(-=--== T
T b r x M x M x E C x E M 程序中提供了训练参数的功能，可以用训练的参数取代默认的参数。计算相
似度时，采用公式3-2：
()[]()23)()(5.0exp ,1----=-
m x C m x b r P T
计算相似度通过C++6.0编程实现，程序如下：
void CFaceDetectDlg ：：OnBtnLikehood()
{
m_bShowFace = false ；
SetCursor(LoadCursor(NULL,IDC_WAIT))；
method1->CalLikeHood()；
for(int i=0； i for(int j=0； j { m_tResPixelArray[i][j].rgbBlue=m_tResPixelArray[i][j].rgbGreen =m_tResPixelArray[i][j].rgbRed= (int)(method1->m_pLikeliHoodArray[i][j]*255)； } MakeBitMap()； SetCursor(LoadCursor(NULL,IDC_ARROW))； } 计算相似度如图3.8所示 图3.8 相似度图 二值化通过C++6.0编程实现，程序如下： void CFaceDetectDlg ：：OnBtnBinary() { SetCursor(LoadCursor(NULL,IDC_WAIT))； if(！method1->CalBinary()) { AfxMessageBox(“请先计算相似度!”)； SetCursor(LoadCursor(NULL,IDC_ARROW))； return ； } int i,j ； m_bShowFace = false ； for( i=0； i for( j=0； j { m_tResPixelArray[i][j].rgbBlue = m_tResPixelArray[i][j].rgbGreen = m_tResPixelArray[i][j].rgbRed= (int)(method1->m_pBinaryArray[i][j]*255)； } MakeBitMap()； SetCursor(LoadCursor(NULL,IDC_ARROW))； MyDraw()； } 二值化如图3.9所示 图3.9 二值化图 3.3 图像预处理 对于一些独立的肤色像素点，想将他们归于一个个人脸区域，就会利用到找 连通区的方法。属于同一个人脸区域的肤色像素点是相互连通的；反之，一个人 脸区域也是由一些连通的肤色像素点构成的。但由于噪声普遍存在于数字图像 中；还有基于肤色模型的分割结果存在判断失误的情况，都会在连通区域中产生 非肤色的噪声。所以进行人脸分割之前都要进行去噪声处理。 本设计采用一种基于像素“密度”的滤波方法来去除噪声。这是一种类似于 BBS论坛毕业论文开题报告 研究课题:小型论坛系统 姓名：学号：指导老师： 一课题研究的目的和意义 在Internet飞速发展的今天，互联网成为人们快速获取、发布和传递信息的重要渠道，它在人们政治、经济、生活等各个方面发挥着重要的作用。这次我们所设计的课题正是互联网与社会生活之间的紧密关系的体现，现今的社会，人们已经离不开了网络，网络已经成为人与人之间交流的一种形式，它能够把事情的复杂化转为简单化。 进入21世纪，计算机技术迅速向着网络化的、集成化方向发展。传统的单机版应用软件正在逐渐退出舞台，取而代之的是支持网络、支持多种数据信息(多媒体)的新一代网络版应用软件，而目前网络版软件中似乎存在着两种不同的趋势，一种是称为客户端——服务器的C/S结构应用系统，这类软件具有结构严谨，运行效率高，服务器端压力小，安全性好等优点，被广泛运用于局域网中。另一种，也是本毕业设计所采用的，是称为浏览器——服务器的B/S结构应用系统，它的特点是在客户端直接采用了功能强大的浏览器软件作为界面，其优点在于软件开发效率高，客户端不受操作平台的限制、也不受地域的限制，网络传输量少，即适用于局域网，更适用于Internet，而且投资小、见效快，用户可以不必进行服务器方面的投资，而是去租用，甚至是免费使用ISP的服务器资源，因而受到越来越多中小型单位的青睐。 现在大部分论坛都是基于B/S结构实现的。论坛也常被简称为BBS(Bulletin Board System)。随着中国网络的普及和计算机及其外设的大幅度降价，Internet 这个概念逐渐深入人心。中国网民的数量呈几何级数量增长，BBS的普及程度也直追Email。每个网站几乎都拥有自己的BBS或者BBS链接,BBS社区提供给用户的服务是全面而且非常友好的，用户在社区中可以根据自己的喜好设置不同的显示风格，根据自己的需求定制各种服务。通过论坛更加快捷的了解企业员工的信息，而建立会员服务的基础是建系论坛管理系统！通过应用该系统可以实现用户与用户间的交流、企业与企业间的信息交互，利用网络经济而又快捷地与外 中南民族大学 毕业论文(设计) 学院: 计算机科学学院 专业: 自动化年级:2012 题目: 图像分割技术与MATLAB仿真 学生姓名: 高宇成学号:2012213353 指导教师姓名: 王黎职称: 讲师 2012年5月10日 中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日 目录 摘要 (1) Abstract (1) 引言 (3) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (5) 2.3 区域分割法 (7) 2.4 基于水平集的分割方法 (8) 2.5 分割算法对比表格 (8) 3基于水平集的图像分割 (9) 3.1 水平集方法简介 (9) 3.2 水平集方法在图像分割上的应用 (9) 3.3 仿真算法介绍 (10) 3.4 实验仿真及其结果 (11) 结论 (18) 致谢 (19) 参考文献 (19) 图像分割技术研究及MATLAB仿真 摘要：作为一项热门的计算机科学技术，图像分割技术已经在我们生活中越来越普及。顾 名思义这项技术的目的就是，将目标图像从背景图像中分离出去。由于这些被分割的图像区域在某些属性上很相近，因此图像分割与模式识别以及图像压缩编码有着密不可分的关系。完成图像分割所采用的方法各式各样，所应用的原理也不同。但他们的最终目的都是把图像中性质相似的某些区域归为一类，把性质差异明显的不同区域分割开来。通常在分割完成之后，我们就要对某些特定区域进行分析、计算、评估等操作，因而分割质量的好坏直接影响到了下一步的图像处理[1]，因此图像分割是图像处理的一个关键步奏。图像分割技术在各个领域都有着及其重要的意义；在工业上有卫星遥感，工业过程控制监测等等；在医学方面，水平集的分割方法还可以通过医学成像帮助医生识别模糊的病变区域；在模式识别领域还可应用到指纹扫描、手写识别、车牌号识别等等。 本课题的研究内容是对图像分割技术的几种常用的方法进行综述和比较，并基于其中一种方法进行MATLAB仿真测试，给出性能分析比较结果。 关键字：图像分割，MA TLAB仿真，模式识别 Image Segmentation and Matlab Simulation Abstract:Image segmentation is to image representation for the physically meaningful regional connectivity set, namely according to the prior knowledge of target and background, we on the image of target and background of labeling and localization, then separate the object from the background. Because these segmented image regions are very similar in some properties, image segmentation is often used for pattern recognition and image understanding and image compression and coding of two major categories. Because the generated in the segmented region is a kind of image content representation, it is the image of visual analysis and pattern recognition based and segmentation results of quality of image analysis, recognition and interpretation of quality has a direct impact. Image segmentation it is according to certain features of the image (such as gray level, spectrum, texture, etc.) to a complete picture of the image is segmented into several meaningful area. These features made in a certain region of consistent or similar, and between different regions showed significantly different. Image segmentation technology in various fields have most of the field and its important significance in digital image processing, image segmentation has a wide range of applications, such as industrial automation, process control, online product inspection, image coding, document image processing, remote sensing and medical image analysis, security surveillance, as well as military, sports and other aspects. In medical image processing and analysis, image segmentation for body occurrence of three-dimensional display of the diseased organ or lesion location determination and analysis plays an effective role in counseling; in the analysis and application of road traffic conditions, 目录 摘要........................................................... I Abstract......................................................... I I 第1章绪论 (1) 1.1图像分割概述 (1) 1.2图像分割特征 (1) 1.3图像分割的发展及现状 (1) 1.4研究的背景与意义 (2) 第2章数字图像处理 (3) 2.1发展概况 (3) 2.2主要目的 (4) 2.3常用方法 (4) 2.4应用领域 (5) 2.5研究方向 (7) 2.6基本特点 (7) 2.7MATLAB软件 (8) 第3章阈值分割 (10) 3.1图像二值化 (10) 3.2阈值分割基本原理 (10) 3.3阈值分割方法定义 (11) 3.4阈值分割描述 (11) 3.5阈值分割分类 (12) 第4章阈值分割方法 (13) 4.1直方图法 (13) 4.2迭代法 (14) 4.3最大类间方差法 (17) 4.4小结 (20) 第5章最大类间方差法的改进 (21) 结论 (27) 参考文献 (28) 致谢 (29) 通常人们只对图像的某个区域感兴趣，为了能够把感兴趣的区域提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像处理与分析。图像分割是图像处理的关键，在灰度图像中分割出有意义区域的最基本方法是设置阈值的分割方法。选择阈值的主要方法有：直方图法，迭代法，最大类间方差法。本文主要比较三种方法的优缺点，并对其中的最大类间方差法进行优化，改进分割效果。 关键词：阈值直方图迭代法最大类间方差法 labview的毕业设计 【篇一：定稿 labview毕业设计】 基于labview的图像分割程序设计 [摘要] 现在图像处理技术已经应用于多个领域当中，其中，纸币识别，车牌识 别，文字识别和指纹识别已为大家所熟悉。图像分割是一种重要的图像技术,它不仅得到了人们的广泛重视和研究,也在实际中得到了大量的应用。它是处理图像的基本问题之一，是图像处理图像分析的关键步骤。图像识别的基础是图像分割，其作用是把反映物体真实情况的，占据不同区域的，具有不同性质的目标区分开来，并形成数字特性。关于图像分割的方法已有上千种，本文将介绍几种主流的方法，并分析各自的特性，利用labview平台实现两种阈值方法分割图像，展现实验现象，比较两种方法的处理结果。 [关键词] 图像分割阈值法大津法双峰法 labview the program designing of image segmentation based on labview [abstract] image processing technology has been used in many fields, the banknote recognition, license plate recognition, character recognition and fingerprint recognition has been familiar to everyone. image segmentation is an important image technology, people not only attach importance to it and research it，but also use it in many place. it is one of the basic problems of the image processing, and it is a key step of the image processing image analysis. the image recognition based on image segmentation, the function of which is making a distinction between the area of objects real situation,the area in different places and the area with different characteristic and forming a digital characteristic. there are thousands of methods of image segmentation, this article will introduce several mainstream method, and analyze their respective characteristics, use this two ways to make image segmentation with labview，and show the phenomenon of experiment，campare the treatment result of the two methods. [keyword] image segmentation threshold otsu bimoda labview 北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013年3月20日 一、选题的目的、意义 近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外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。 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。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。 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。 电子科技大学 数字图像处理课程设计 课题名称数字图像处理 院（系）通信与信息工程学院 专业通信工程 姓名 学号 起讫日期 指导教师 2015年12月15日 目录 摘要： (03) 课题一：图像的灰度级分辨率调整 (04) 课题二：噪声的叠加与频域低通滤波器应用 (06) 课题三：顶帽变换在图像阴影校正方面的应用 (13) 课题四：利用Hough变换检测图像中的直线 (15) 课题五：图像的阈值分割操作及区域属性 (20) 课题六：基于MATLAB?的GUI程序设计 (23) 结束语： (36) 参考文献： (37) 基于MATLAB?的数字图像处理课题设计 摘要 本文首先对数字图像处理的相关定义、概念、算法与常用变换进行了介绍；并通过七个课题实例，借助MATLAB?的图像处理工具箱（Computer Vision System Toolbox）对这些案例逐一实现，包括图像的灰度值调整、图像噪声的叠加、频域低通滤波器、阈值分割、Hough变换等，常用的图像变化与处理；然后通过MATLAB?的GUI程序设计，对部分功能进行模块化整合，设计出了数字图像处理的简易软件；最后给出了软件的帮助文件以及该简易程序的系统结构和m代码。 关键词：灰度值调整噪声图像变换 MATLAB? GUI设计 课题一：图像的灰度级分辨率调整 设计要求： 128,64,32,16,8,4,2，并在同一个figure窗将图像的灰度级分辨率调整至{} 口上将它们显示出来。 设计思路： 灰度级分辨率又称色阶，是指图像中可分辨的灰度级的数目，它与存储灰度级别所使用的数据类型有关。由于灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率又称为辐射计量分辨率。随着图像灰度级分辨率的的逐渐降低，图像中所包含的颜色数目将变得越来越少，从而在颜色维度造成图像信息量的退化。 MATLAB?提供了histeq函数用于图像灰度值的改变，调用格式如下： J = histeq(I,n) 其中J为变换后的图像，I为输入图像，n为变换的灰度值。依次改变n的值为 128、64、32、16、8、4、2 就可以得到灰度值分辨率为128、64、32、16、8、4、2 的输出图像。利用MATLAB?的subplot命令可以将不同灰度的图像放在同一个figure中方便对比。 课题实现： 该思路的MATLAB?源代码如下： in_photo=imread('lena.bmp'); %读入图片“lena.bmp”，位置在matlab当前工作区路径下D:\TempProject\Matlab\Works for i = [128,64,32,16,8,4,2] syms(['out_photo',num2str(i)]); %利用for循环定义7个变量，作为不同灰度值分辨率的输出变量 eval(['out_photo',num2str(i), '=histeq(in_photo,i)',';']); %histeq函数用于改变图像灰度值，用eval函数给变量循环赋值 中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息与通信工程学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法的比较与分析 指导教师：陈平职称: 副教授 2014 年12 月29 日 中北大学 课程设计任务书 14/15 学年第一学期 学院：信息与通信工程学院专业：电子信息工程 学生姓名：学号： 课程设计题目：信息处理综合实践: 图像分割算法的比较与分析起迄日期：2015年1月5日～2015年1月16日课程设计地点：电子信息工程专业实验室 指导教师：陈平 系主任：王浩全 下达任务书日期: 2014 年12月29 日课程设计任务书 课程设计任务书 目录 第一章绪论 (1) 研究目的和意义 (1) 图像分割的研究进展 (1) 第二章区域生长法分割图像 (4) 区域生长法介绍 (4) 区域生长法的原理 (4) 区域生长法的实现过程 (5) 第三章程序及结果 (6) 区域生长算法及程序 (6) 图像分割结果 (7) 第四章方法比较 (8) 阈值法 (8) 区域法 (8) 分水岭法 (8) 形态学方法 (9) 第五章总结 (10) 参考文献 (11) 第一章绪论 研究目的和意义 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的表达形式，使得更高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。 图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。(1)分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。(2)在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。 (3)图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输的带宽，对提高图像在因特网上的传输速度至关重要。(4)分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。 图像分割的研究进展 图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因 嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日 基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极 BBS设计与实现 BBS论坛系统 BBS Forum System 摘要 随着Internet技术的快速发展，人与人之间交流方式逐渐增多。网络视频、网络聊天、博客已成为人们彼此沟通、交流信息的主要方式。此外，为了方便人们在某一专业领域探讨问题和发表意见，Internet上还出现了在线论坛。在论坛上，人们可以对某一领域提出自己遇到的问题，即发表某一主题，随后，论坛上的其他人会根据自己的学识、经验发表意见或提出问题的方法。 开发BBS论坛系统的目的是提供一个供用户交流的平台，为广大用户提供交流经验、探讨问题的网上社区。因此，BBS论坛系统最基本的功能首先是发表主题，其次是其他人员根据主题发表自己的看法。此外，为了记录主题的发表者和主题的回复者信息，系统还需要提供用户注册和登录的功能。只有注册的用户登录后才能够发表和回复主题，浏览者（游客）只能浏览主题信息。 本论坛系统是基于是Struts1.2+SQL Server 2000实现的，它具有使用方便、操作灵活、运行稳定、安全可靠等特点。 关键词在线论坛，BBS，网上社区，Struts Abstract With the rapid development of Internet technology, means of communication between people is gradually increasing. Video, web chat, blog have become the main forms of exchanging information with each other. In addition, in order to allow people in a professional field to probe into questions and make comments, Internet on-line forums have emerged. At the forum, people can put forward their own particular problems encountered in the field, a subject that is issued, then the rest of the forum ,making comments or raise problems based on their knowledge and experience. BBS forum system aims to provide a communication platform for the user, for the majority of users to exchange experiences and explore issues of community. Therefore, BBS forum system is the most basic function of the first keynote, followed by other officers to express their views on the theme. In addition, in order to record the release of the theme and the theme of the respondents information systems also need to provide users registration and login function. Only registered users can log on and release publications and reply to topics, visitors (tourists) can only view topic information. This forum system is based on a Struts1.2+SQL Server 2000 implementation, it is convenient, flexible operation, stable, safe and reliable. Key Words Online Forum, BBS, Online Community, Struts 毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月 关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期： ******************* 实践教学 ******************* 兰州理工大学 计算机与通信学院 2012年秋季学期 图像处理综合训练 题目：图像分割程序设计 专业班级： 姓名： 学号： 指导教师： 成绩： 目录 摘要 (1) 一、前言 (2) 二、算法分析与描述 (3) 三、详细设计过程 (5) 四、调试过程中出现的问题及相应解决办法 (8) 五、程序运行截图及其说明 (8) 六、简单操作手册 (12) 设计总结 (15) 参考资料 (16) 致谢 (17) 附录 (18) 摘要 图像分割就是从图像中将某个特定区域与其他部分进行分离并提取出来的处理 通常又称之为图像的二值化处理。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 关键词：图像分割；阈值；二值化； 一、前言 图形图像处理的应用领域涉及人类生活和工作的各个方面，它是从60年代以来随计算机的技术和VLSI的发展而产生、发展和不断成熟起来的一个新技术领域理论上和实际应用上都并取得了巨大的成就。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化，所以图形图像的处理在我们的生活中又很重要的作用。在对图像的研究和应用中，人们往往只对图像中的某些部分感兴趣。这些部分通常称为目标或前景，它们一般对应图像中特定的、具体独特性质的区域。为了辨识和分析目标，需要将它们分别提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。在图象分析中,通常需将所关心的目标从图象中提取出来,即图象的分割。图象分割在图象分析,图象识别,图象检测等方面占有非常重要的位置。 图像分割 前一章的资料使我们所研究的图像处理方法开始发生了转变。从输人输出均为图像的处理方法转变为输人为图像而输出为从这些图像中提取出来的属性的处理方法〔这方面在1.1节中定义过)。图像分割是这一方向的另一主要步骤。 分割将图像细分为构成它的子区域或对象。分割的程度取决于要解决的问题。就是说当感兴趣的对象已经被分离出来时就停止分割。例如，在电子元件的自动检测方面，我们关注的是分析产品的图像，检测是否存在特定的异常状态，比如，缺失的元件或断裂的连接线路。超过识别这此元件所需的分割是没有意义的。 异常图像的分割是图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。因此，应该特别的关注分割的稳定性。在某些情况下，比如工业检测应用，至少有可能对环境进行适度控制的检测。有经验的图像处理系统设计师总是将相当大的注意力放在这类可能性上。在其他应用方面，比如自动目标采集，系统设计者无法对环境进行控制。所以，通常的方法是将注意力集中于传感器类型的选择上，这样可以增强获取所关注对象的能力，从而减少图像无关细节的影响。一个很好的例子就是，军方利用红外线图像发现有很强热信号的目标，比如移动中的装备和部队。 图像分割算法一般是基于亮度值的不连续性和相似性两个基本特性之一。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据事先制定的准则将图像分割为相似的区域，门限处理、区域生长、区域分离和聚合都是这类方法的实例。 本章中，我们将对刚刚提到的两类特性各讨论一些方法。我们先从适合于检测灰度级的不连续性的方法展开，如点、线和边缘。特别是边缘检测近年来已经成为分割算法的主题。除了边缘检测本身，我们还会讨论一些连接边缘线段和把边缘“组装”为边界的方法。关于边缘检测的讨论将在介绍了各种门限处理技术之后进行。门限处理也是一种人们普遍关注的用于分割处理的基础性方法，特别是在速度因素占重要地位的应用中。关于门限处理的讨论将在几种面向区域的分割方法展开的讨论之后进行。之后，我们将讨论一种称为分水岭分割法的形态学 Canny边缘检测分析毕业论文 目录 引言 (1) 第一章图像分割与边缘检测 (2) 1.1图像分割简介 (2) 1.2图像分割定义 (2) 1.3图像分割基本原理 (3) 第二章基于边界的分割——边缘检测 (6) 2.1边缘的类型 (6) 2.2边缘的类型 (6) 2.3边缘的判定 (7) 第三章常见边缘检测算法的研究与分析 (9) 3.1边缘检测过程概述 (9) 3.2典型一阶边缘检测算子 (9) 3.2.1梯度算子 (10) 3.2.2 Roberts边缘算子 (10) 3.2.3 Sobel算子 (11) 3.2.4 Prewitt算子 (13) 3.3 典型二阶边缘检测算子 (14) WORD版本. 3.3.1 Laplacian算子 (14) 3.3.2 LOG算子 (16) 3.4 各边缘检测算子的仿真结果分析 (18) 第四章 Canny边缘检测算子 (20) 4.1 Canny边缘检测基本原理： (20) 4.2 Canny边缘算子评价指标： (20) 4.2.1 Canny提出检测三准则【5】 (20) 4.2.2边缘检测滤波器对性能指标的影响【10】 (22) 4.2.3 尺度对性能指标的影响【10】 (23) 4.3 Canny边缘检测流程 (24) 4.4 Canny边缘检测仿真结果及分析 (28) 第五章 Canny算子改进 (29) 5.1对传统Canny算法局限性分析 (29) 5.2滤波改进 (30) 5.3阈值改进——自适应的阈值 (31) 5.3.1最大熵原算法过程 (31) 5.3.2最大熵算法的改进 (32) 5.4改进的Canny算法的仿真实验 (33) 第六章本实验结果及展望 (36) 6.1 本算法的实验结果 (36) WORD版本. 毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎 指导老师：曹延生 完成时间：2013.05.28 摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 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。 关键词：图像处理, Matlab, 人脸识别, 模式识别 ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. 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 module 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. 班级XXXX 学号XXXXX 毕业论文（设计） 题目BBS论坛系统 姓名xxx 系部信息工程系 专业软件开发 指导教师XXX 职称助教 日期 江苏畜牧兽医职业技术学院毕业论文（设计） BBS论坛系统 陈新 【摘要】当今，随着网络的迅速发展，制作BBS论坛的技术和方法也越来越多。本文主要讲述利用Java Web的相关技术来制作一个简单论坛。通过实际制作,实现了BBS论坛系统应有的一些基本功能，如：登陆功能，通过在登陆界面输入用户名和密码来实现会员的登录，用户只有登录成功了才能进行一系列的操作；注册功能，用户首次登陆，需要先注册，注册时需要用户填写个人信息。除此之外，还有浏览帖子、发表帖子、回复贴子等等功能。制作本论坛所用的前台软件是MyEclipse，后台数据库是MySQL，运行时所用的服务器是Tomcat，综合运用了HTML、JSP以及JavaScript语言。 全文先对用到的软件进行了简单的介绍，然后依次对系统的应用进行需求分析、总体设计、详细设计；最后简要介绍了系统的发布和测试。 【关键词】BBS论坛;JSP技术;登陆;注册;浏览贴子;发表帖子;回复贴子。 1 概况 当前形势下，BBS论坛种类繁多，通过BBS可随时取得国际最新的软件及信息，也可以通过BBS来和别人讨论计算机软件、硬件、Internet、多媒体、程序设计以及医学等等各种有趣的话题，更可以利用BBS来刊登一些“征友”、“廉价转让”及“公司产品”等启事。只要您拥有1台计算机、1只调制解调器和1条电话线，就能够进入这个“超时代”的领域。 1.1 BBS历史背景 BBS的英文全称是Bulletin Board System，翻译为中文就是“电子公告板”。BBS最早是用来公布股市价格等类信息的，当时BBS连文件传输的功能都没有，而且只能在苹果计算机上运行。早期的BBS与一般街头和校园内的公告板性质相同，只不过是通过电脑来传播或获得消息而已。一直到个人计算机开始普及之后，有些人尝试将苹果计算机上的BBS转移到个人计算机上，BBS 才开始渐渐普及开来。近些年来，由于爱好者们的努力，BBS的功能得到了 1BBS论坛系统开题报告
图像分割技术与MATLAB仿真
图像分割毕业设计
labview的毕业设计
开题报告：人脸识别
电子科技大学-数字图像处理-课程设计报告
图像分割算法的比较与分析
基于ARM9的人脸识别系统 嵌入式报告 课程设计
BBS论坛系统设计与实现毕业论文
数字图像处理毕业论文
图像分割程序设计汇总
毕业论文外文翻译-图像分割
canny边缘检测分析毕业论文
(完整版)基于matlab的人脸识别系统设计毕业设计
BBS论坛设计毕业设计
相关主题
文本预览