Lời nói đầu

Trước sự phát triển như vũ bão của khoa học kỹ thuật, ngành điều khiển học và tự động hóa đã có những bước tiến lớn. Điều khiển học và tự động hóa ngày càng đóng vai trò quan trọng trong việc tăng năng xuất lao động, giảm giá thành, tăng sự ổn định chất lượng của sản phẩm. Thêm vào đó, môi trường làm việc được cải thiện đặt biệt trong một số ngành nghề có tính chất độc hại nguy hiểm cho tính mạng con người: dò bom mìn, thao tác trong các nhà máy điện hạt nhân hoặc các khu vực có độ phóng xạ cao, thám hiểm mặt trăng sao hỏa, thám hiểm đáy biển sâu

Trong xã hội công nghiệp ngày nay, việc ứng dụng các robot tự hành, các cánh tay máy, có khả năng hoạt động độc lập ngày càng phổ biến. Để có khả năng thông minh đó, chúng phải có khả năng nhìn, nhận dạng các tình huống, xử lý tình huống như như con người Đáp ứng nhu cầu đó, xử lý ảnh đã tham gia vào điều khiển học và tự động hóa. Dữ liệu về hình ảnh có lượng thông tin lớn và chính xác hơn các loại dữ liệu từ các cảm biến khác. Điều này giúp cho việc giải quyết các vấn đề trong lĩnh vực điều khiển tự động dễ dàng hơn.

[FONT="]Một trong những bài toán về xử lý ảnh phổ biến hiện nay là nhận dạng khuôn mặt người. Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán nhận dạng khuôn mặt người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều của con người.

[FONT="]Góp phần tìm hiểu về vấn đề này tôi thực hiện đề tài “Nhận dạng mặt người bằng ICA” trên tập ảnh tĩnh, đơn gồm các ảnh mặt người với độ sáng tối và góc chụp khác nhau.

Xin chân thành cảm ơn các thầy cô đã truyền đạt cho tôi những kiến thức quý báu trong thời gian qua; đặc biệt thầy Phạm Thành Danh, người đã tận tình giúp đỡ, hướng dẫn tôi trong quá trình thực hiện đề tài này.

Do thời gian và kiến thức còn nhiều hạn chế đề tài còn nhiều thiếu sót, kính mong quý thầy cô đóng góp ý kiến để đề tài hoàn thiện hơn.

Mục lục

Đề mục Trang

Chương 1: GIỚI THIỆU

1. Giới thiệu chung 1

2. Giới thiệu đề tài 2

3. Một số kết quả đạt được về nhận dạng mặt người 3

Chương 2: MATLAB và XỬ LÝ ẢNH

1. Giới thiệu chung về matlab 4

1.1. Các đặc điểm cơ bản của MATLAB 4

1.2. Phát triển giải thuật và ứng dụng 5

1.3. Phân tích và tiếp cận dữ liệu 6

1.4. Tiếp cận dữ liệu 7

1.5. Hình ảnh hóa dữ liệu: 7

1.6. Xuất kết quả và triển khai ứng dụng 8

2. Xử lý ảnh (số) và các khái niệm liên quan: 8

2.1. Xử lý ảnh (số) 8

2.1.1. Phần thu nhận ảnh (Image Acquisition) 9

2.1.2. Tiền xử lý (Image Processing) 10

2.1.3. Phân đoạn (Segmentation) hay phân vùng ảnh 11

2.1.4. Biểu diễn ảnh (Image Representation) 11

2.1.5. Nhận dạng & nội suy ảnh (Image Recognition - Interpretation)

11

2.1.6. Cơ sở tri thức (Knowledge Base) 12

2.2. Các khái nịêm liên quan 12

2.2.1. Điểm ảnh(Picture Element) 12

2.2.2. Độ phân giải của ảnh 12

2.2.3. Mức xám (Gray level) 13

2.2.4. Nhận dạng ảnh (recognition and classification of image partterns) 14

3. Matlab và xử lý ảnh 15

3.1. Ảnh được định chỉ số ( Indexed Images ) 15

3.2. Ảnh cường độ ( Intensity Images ) 16

3.3. Ảnh nhị phân (Binary Images ) 17

3.4. Ảnh RGB ( RGB Images ) 17

3.5. Các hàm chuyển đổi kiểu ảnh 18

3.6. Chuyển đổi không gian màu 20

3.7. Đọc và ghi dữ liệu ảnh 20

3.7.1. Đọc một ảnh đồ hoạ 20

3.7.2. Đọc nhiều ảnh từ một file đồ hoạ 21

3.7.3. Ghi một ảnh đồ hoạ 21

3.8. Truy vấn một file đồ hoạ 23

3.9. Chuyển đổi định dạng các file ảnh 24

Chương 3: PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP (ICA)

1. Giới thiệu về ICA 25

2. Phân tích thành phần độc lập (ICA) 27

3. Sự độc lập thống kê 30

3.1. Bất tương quan 30

3.2. Độc lập thống kê 31

3.3. Phi Gauss là độc lập 31

3.4. Các giả sử trong mô hình ICA 32

4. Ước lượng ICA 32

4.1. Đo tính phi Gauss bằng kurtosis 33

4.2. Đo tính phi Gauss bằng Negentropy 33

5. Tiền xử lý ICA 38

5.1. Qui tâm 38

5.2. Trắng hóa 38

Chương 4: NHẬN DẠNG MẶT NGƯỜI DÙNG ICA

1.Yêu cầu 41

2.Cơ sở 41

3. Thực Hiện 42

3.1. Tiền Xử Lý 42

3.2. Tính Eigenfaces 43

3.3. Trắng hóa dữ liệu 47

3.4. Tính các thành phần độc lập 48

3.5. Nhận dạng mặt người 49

3.6. Chương trình nhận dạng bằng phương pháp ICA 50

3.6.1. Giải thuật chương trình Huấn luyện 50

[*]Giải thuật chương trình nhận dạng 51

[*]Giao diện chương trình 52

Chương 5: KẾT QUẢ THỰC HIỆN

53

Chương 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

55

TÀI LIỆU THAM KHẢO 57

PHỤ LỤC : Code chương trình 58