数字人脸识别.docx

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数字人脸识别

实验1:模式识别预处理实验实验目的:使学生掌握模式识别预处理的常用方法,包括去噪、锐化、增强、形态学运算等。在Matlab环境下,让学生熟练掌握去噪、锐化、增强、形态学等处理的代表性函数。实验内容:对图像进行去噪、锐化、增强、形态学运算等预处理操作,并研究相应函数的参数选择,得到最优预处理效果。通过help 函数名 进行查询相应的函数说明。实验方法:基于Matlab软件,采用相应的函数进行预处理操作。实验步骤:题目1:对“lena.bmp”图添加密度为0.05的椒盐噪声,并对图像进行中值滤波,分别采用3×3的窗口和7×7进行中值滤波,比较他们效果的优劣,并说明理由。 图为0.05的椒盐噪声图 3*3 7*7 答:3*3的窗口进行中值滤波比7*7的效果好,图像特征更加明显,因为3*3正方体窗口更加细致,对二维卷积效果更好。题目2:对“rice.tif”图添加均值为0、方差为0.005的高斯噪声,为0.05的椒盐噪声,并采用edge命令中的’canny’方法进行锐化,分别阈值为0.1、0.2、0.3阈值进行锐化提取边缘,比较他们效果的优劣。 原图 0.1 0. 2 0.3答:阈值越高,边缘提取效果越优秀,阈值低,背景,噪声影响存在,不能完全显示目标边缘。代码如下:A=imread(rice.tif);I=imnoise(A,gaussian,0,0.005); %对图像加高斯噪声imshow(I);BW1 = edge(I,canny,0.3); % Sobel算子figure imshow(BW1);题目3:采用imadjust函数,对“pout.jpg”图像进行灰度分段线性变换,从而对图像进行增强,首先将图像在0.4*255~0.6*255灰度之间的值通过线性变换映射到0~255之间,效果如何?如果不好,请找出一个更优的线性映射方式。 以下是效果图:灰度值集中,目标与背景色调一致,比较模糊,分辨困难。下面是0.3*255到0.7*255灰度之间的值线性变换映射到0到255之间的效果。效果明显较好,灰度值跨度大,目标特征鲜明,与背景色调对比明显,突出目标重点细节。代码如下:B=imread(pout.jpg); %读入图像A=rgb2gray(B);imshow(A); %显示图像figureimhist(A); %显示图像的直方图J1=imadjust(A,[0.3 0.7],[]); %函数将图像在0.3*255~0.7*255灰度之间的值通过线性变换映射到0~255之间figure,imshow(J1); %输出图像效果图figureimhist(J1) %输出图像的直方图题目4:对“fingerprint.bmp”图像先进行一次开运算,对开运算的结果上再进行一次闭运算,开、闭运算的结构采用“se=strel(square,3)”(同时对比采用“se=strel(square,4)”的结果)。答:se=strel(square,3)的对目标特征有损坏,而se=strel(square,4)的效果整体较好。close allclearA=imread(fingerprint.bmp); J=rgb2gray(A);figureimshow(J)se=strel(square,3); %开、闭运算结构fo=imopen(J,se); %开运算figureimshow(fo)fo1=imclose(J,se); %闭运算figureimshow(fo1)se1=strel(square,4); %开、闭运算结构fo2=imopen(J,se1); %开运算figureimshow(fo2)fo3=imclose(J,se1); %闭运算figureimshow(fo3)实验心得:本次实验比较简单,进行比较顺利,没有出现太大的问题,希望能再接再厉。实验2:基于PCA的人脸特征提取实验目的:使学生了解模式识别数据降维的主要思想,并以PCA为例,将其应用于人脸特征提取和降维,让学生掌握采用PCA进行图像降维和特征提取。实验内容: 学习PCA方法的基本原理,并对PCA方法进行应用。实验方法:基于Matlab软件,掌握PCA方法的基本原理与应用。题目1:运行PCA文件夹下的main函数,基于函数中的说明,进行学习理解

文档评论(0)

tiangou + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档