3   人脸识别的 Matlab 实现方法与理论

3。1    Matlab 简介

Matlab 是美国 The MathWorks 公司出品的，是一套商业的数学处理软件，作为一种交 互式环境和高级技术计算语言，它可用于算法开发、数据可视化、数据分析以及数值计算， 功能相当强大。

Matlab 具有强大的图像分析和处理的功能，其拥有多种不同类别的工具箱,比较常用的 有图像处理以及数字信号处理工具箱。使用这些不同类型的工具箱,我们就可以很便捷的在 不同角度对图像的特性进行彻底的研究。Matlab 图像处理工具箱可以实现对 RGB、灰度图、 索引图、二进制图的处理，并能编辑。bmp、。jpg、。tif 等许多不同类型的图像文件[6]。

3。2   基于 Matlab 人脸图像预处理文献综述

对人脸进行识别，需要在识别前进行人脸图像预操作处理。因为以现有的图像采集的 方式和方法所采集到的图像质量往往达不到人们的要求。例如，图像中的人物特别昏暗而 模糊不清或特别鲜亮而显得不协调；在人脸图像上会出现一些黑点或白点的噪声干扰；以 及数字图像失真变形等等其他问题，总的来说，在实际操作过程中，待测试的人脸图像会 出现很多图像质量上的问题，这往往会对人脸识别产生很大的影响。2w

图片预处理的作用是提高图片质量，主要的目的是凸显有用的特征信息，去除无用的 特征信息，如去除噪声、平滑图像、改变对比度等[7]。

3。3   主成分分析法(PCA)

3。3。1  主成分分析法的基本思想

主成分分析法(Principal Component Analysis，PCA)以 K-L 变换为基础，是的一种简单 有效的算法，在模式识别算法中比较常用，而在特征提取中的应用更加广泛，它构成了子 空间法模式识别的基础。该方法的原理是根据采样点在高维模式空间的不同位置分布，以

采样点在空间中各方向上变化的最大方向，也就是最大方差的方向，来作为判别矢量对人 脸的图像数据进行数据压缩与特征提取。主成分分析法基于对信号或图像的二阶统计信 息，其基本思想是提取出空间原始数据中的主要特征，由此消除数据的冗余，将人脸图像 可以在一个低维空间进行处理，同时还可以不丢失原来图像数据的绝大部分的信息。

3。3。2    K-L 变换来*自~优|尔^论:文+网www.youerw.com +QQ752018766*

K-L 变换(Karhunene-Loeve)是实现 PCA 的一种可利用的手段。K-L 变换使用信号数据 的统计性质作为基础，主要可以对一维以及二维数据的信号数据进行数据压缩，是对数据 进行压缩处理中的最优正交变换。基于对 K-L 变换的应用，可以用较原数据量少得多的特 征来描述样本，这样就可以降低特征空间维数，从而把对于图像的转换与表达从高维空间 转移到低维空间[8]。