【毕业论文】基于matlab的人脸识别（含源程序）.pdf
【毕业论文】基于matlab的人脸识别系统设计与仿真（含matlab源程序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.人们逐淅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。如果能够丿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。现在已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,在不同的坏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,并已取得许多成果。12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。就从目前和将米米看,可以预测到人脸图像识别将具有)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、汽车图像摄取可控需要建立庞大的驾照、护照以及个人图像分割可控数据库身份验证等图像质量好嫌疑犯照片匹配图像质量不统潜在的巨大图像多幅图像可用库互联网应用视频信息价值高存在虚假多人参与银行/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图像分割自由可利用摄像图像图像质量低、实时性13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,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“与生俱米”的人脸识別能力,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。www.docin.com人脸图像获取人检特征提取人脸识别图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In. com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臉确认( Face Verification)问题。系统在输入人臉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。15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埋做详细介绍;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21 Matlab简介H 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弓图像、RGB图像、灰度图像、二进制图像并能操作.bmp、jg、tif等多种图像格式文件。22数字图像处理及过程n豆丁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。221图像处理的基本操作读取和显示图像可以通过 imrad和 ishow来实现;图像的输出用 imwrite0函数就可以很方便的把图像输出到硬盘上;另外还可以用 incrop、 imriEκeO、 imrotateO等来实现图像的裁剪、缩放和旋转等功能。222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mat2 gray函数可以将矩阵转换为灰度图像,rgb2 gray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。223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紊点进行操作;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
- 2020-12-05下载
- 积分：1
SAR雷达成像点目标仿真——RD算法和CS算法（程序+注释）
SAR雷达成像点目标仿真，包含RD算法和CS算法的原理+Matlab程序，程序每一行均有注释，适合入门以τ的时闫发射啁啾脉冲,然后切换天线开关接收回波信号。脉冲重复间隔为l发接收图雷达发射脉冲串的时序当雷达不处于发射状态时,它接收反射回波。发射和接收回波的时间序列如图所示在机载情况下,每个回波可以在脉冲发射间隔内直接接收到。但是在星载情况下,由于距离过大,某个脉冲的回波要经过个脉冲间隔才能接收到。这里仿真为了方便,默认为机载情況脉冲回波时间图脉冲雷达的发射与接攻周期假设为信号持续时间,下标表示距离向:为重复频率,为重复周期,等于。接收序列中,τ衣示发射第个脉冲时,目标回波相对于发射序列的延时。雷达的发射序列数学表达式为式式中,表示矩形信号,为距离向的信号调频率,为载频。雷达回波信号由发射信号波形,天线方向图,斜距,目标,环境等因素共同决定,若不考虑环境因素,则单点目标雷达回波信号可写成式所示:其中,G表示点目标的雷达散射截面,表示点目标天线方向图双向幅度加权,z表示载机发射第个脉冲时,电磁波再次回到载机时的延时r,带入式中得式就是单点目标叵波信号模型,其中,是分量,它决定距离向分辨率;为多普勒分量,它决定方位向分辨率对于任意一个脉冲,回波信号可表小为式所小我们知道,由于随慢时间的变化而变化,所以计算机记录到的回波数据存储形式如图所示:贴棘·●鲁通ib●幽●中@中●●●。●●鲁●●ed●●i●●一●●:b●t老!y·●●●●●Outuinh0ib●●●●·:·:·;D●●中·!达脉冲长度斜距(军样数或单元置)图目标照射时间内,单个点目标回波能量在信号处理器的二维存储器中的轨迹4距离徙动及校正根据图可知,在倾斜角为零或很小的时侯,目标与雷达的瞬时距离为,根据几何关系可知,,根据泰勒级数展开可得:由式可知,不同慢时间对应着不同的并且是一个双曲线形式或者近似为个二次肜式。如图所示,同一目标的回波存储在计算机里不在同一直线上,存在距离徙动从而定义距离徙动量:为了进行方位向的压缩,方位向的回波数据必须在同一条直线上,也就是说必须校止距离徙动Δ。由式()可知,不同的最近距离对应着不同的▲,因此在时域处理距离徙动会非常麻烦。因此,对方位向进行傅里叫变换,对距离向不进行变换,得到新的域。由于方位向的频率即为多普勒频率,所以这个新的域也称为距离多普勒域将斜距写成多普勒的函数,即。众所周知,对最近距离为的点目标回波多普勒是倾斜角b的函数,即=2,斜距,于是6:≈所以距离多普勒域中的我距离徙动为Δ,可发现它不随慢时间变换同一最短距离对应着相同大小的距离徙动。因此在距离多普勒域对一个距离徙动校正就是对一组具有相同最短距离的点目标的距离徙动校止,这样可以节省运算量。为了对距离徙动进行校正,需要得到距离徙动单元,即距离徙动体现在存储单元中的移动数值,距离徙动单元可以表示为△这个值通常为一个分数,由于存储单元都是离散的,所以不同通过在存储单元简单的移动得到准确的值。为了得到准确的徙动校正值,通常需要进行插值运算。本仿真釆用了两种插值方法最近邻点插值和插值,下面分别进行介绍。最近邻点插值法的优点是简单而快速,缺点是不够精确。Δ其中为整数部分为小数部分,整数部分徙动可以直接通过平移消除,对于小数部分则通过四舍五入的方法变为或者,这样就可以得到较为精确的插值插值原理如下:在基带信号下,卷积核是函数插值信号为即为所有输入样本的加权平均。可通过频域来理解,如图所示,采样信号频普等于以采样率重复的信号频谱。为了重建信号,只需要一个周期频谱(如基带周期),因此需要理想矩形低通滤波器在频域中提取基带频谱(如图)所示。凵知该理想滤波器在时域中是函数。由于频域相乘相当于时域卷积,故插值可以通过与核的卷积来实现信号频谱幅度理想低通滤波器-101频率图理憇低通滤波器怎样对采样信号进行插值5点目标成像 matlab仿真5.1距离多普勒算法距离多普勒算法(是在年至年为民用星载提出的,它兼顾了成熟、简单、髙效和精确等因素,至今仍是使用最广泛的成像算法。它通过距离和方位上的频域操作,到达了高效的模块化处理要求,同吋又具有了一·维操作的简便性。图示意了的处理流程。这里主要讨论小倾斜角及短孔径下的基本处理框当数据处在方位时域时,可通过快速卷积进行距离压缩。也就是说,距离后随即进行距离向匹配滤波,再利用距离完成距离压缩。回波信号为:距离向压缩后的信号为:通过方位将数据变换至距离多普勒域,多普勒中心频率估计以及大部分后续操作都在该域进行。方位向傅里叶变换后信号为:在距离多普勒域进行随距离时间及方位频率变化的,该域中同距离上的组日标轨迹相互重合。将距离徙动曲线拉直到与方位频率轴平行的方向。这里可以采用最近邻点插值法或者插值法,具体插值方法见前面。假设插值是精确的,信号变为:通过每一距离门上的频域匹配滤波实现方位压缩。为进行方位压缩,将后的乘以频域匹配滤波器最后通过方位将数据变换回时域,得到压缩后的复图像。复原后的图像为:正达原始教据距离压缩方位向傅里叶变换距离徙动校正方位压方位向傅里叶逆变及多视叠加压缩数据图距离多普勒算法流程图5.2 Chirp Sca l ing算法距离多普勒算法具有诸多优点,但是距离多普勒算法有两点不足:首先,当用较长的核函数提高距离徙动校正()精度时,运算量较大:其次,二次距离压缩()对方位频率的依赖性问题较雉解决,从而限制了其对某些大斜视角和长孔径的处理精度。算法避免」中的插值操作,通过对信号进行频率调制,实现了对该信号的尺度变换或平移图显示了算法处理流程。这里主要讨论小倾斜角及短孔径下的基本处理框图。主要步骤包括四次和三次相位相乘。通过方位向将数据变换到距离多普勒域。通过相位相乘实现操作,使所有目标的距离徙动轨迹·致化。这是第步相位相乘。用以改交线调频率尺度的二次相位函数为通过距离向将数据变到二维频域。通过与参考函数进行相位相乘,同吋完成距离压缩、和‘致这是第二步相位相乘。用于距离压缩,距离徙动校正的相位函薮写为:通过距离向将数据变回到距离多普勒域。通过与随距离变化的匹配滤波器进行相位相乘,实现方位压缩。此外,由于步骤中的操作,相位相乘中还需要附加一项相位校正。这是第三步相位相乘。补偿由引起的剩余相位函数是:最后通过方位向将数据变回到二维时域,即图像域雷达原始数据SAR信号域方位向傅里叶变换第一步相位相乘补余RCMC中的距离多Chirp sealing操作普勒域距离向傅里叶变换第一步相位相乘参考函数相乘用于距离压细、SRC和一致RCMC频域距离向傅里叶逆变美第三步(最后方位压缩及相位校王步)相位相乘距离多晋勒域方位向傅里叶道变换SAR图像域压缩数据图算法流程图简而言之,算法是将徙动曲线逐一校正,算法是以某一徙动曲线为参考,在域内消除不同距离门的徙动山线的差异,令这些曲线成为一组相互平行的曲线,然后在二维频率域內统一的去掉距离徒动。通俗一点就是,算法是将弯曲的信号一根根矫直,而算法是先把所有信号都掰得一样弯,然后再统一矫直。6仿真结果6.1使用最近邻点插值的距离多普勒算法仿真结果本文首先对个点目标的回波信号进行了仿真,个点目标构成了矩形的个顶点和中心,其坐标分别如下,格式为(方位向距离向后向反射系数):图的上图是距离向压缩后的图像,从图中可以看到条回波信号(其中有几条部分重合,但仍能看出米)目标回波信号存在明显的距离徙动,需要进行校正。图的下图是通过最近邻点插值法校正后的图像,可以看出图像基本被校正为直线。配萬向压缩,未交正距离徒动的图像距高可距离压缩,权E距高徒动日的图像L图距离向压缩后最近邻点插值的结果图为进行方位向压缩后形成的图像,可以明显看出个点日标,并且个点日标构成了矩形的四个顶点及其中心。方位向压缩后的图像图通过最近邻点插值生成的点目标图像6.2使用最近邻点插值的距离多普勒算法仿真结果图上图为通过距离压缩后的图像,图的下图为通过插值法校止后的图像。距离甸压缩,未校正距离徙动的图像距离向距离向压缩,校止离徙动后的图像距离向图距离向压缩后插值的结果图为进行方位向压缩后形成的图像,可以明显看出个点目标,并且个点目标构成了矩形的四个顶点及其中心。方位向缩后的图像图通过插值生成的点目标图像6.3 Chirp Scal ing算法仿真结果可样,在中,对个点目标的回波信号进行了仿真,个点目标构成了矩形的个顶点和中心,其坐标分别如下,格式为(方位向距离向后向反射系数):
- 2020-12-05下载
- 积分：1
