基于拓扑结构的人脸图像特征提取及识别研究

摘要

近年来，随着图像处理及模式识别等领域研究的不断加深，有关人脸识别的研究也随之蓬勃发展起来。人脸图像的拓扑结构不随人脸图像的距离、方向等参数的改变而改变，故而是研究人脸识别技术的一个关键因素。本文提出针对人脸图像局部结构特征和空间拓扑关系的图像识别方法，从人类认知角度，针对传统图像识别方式耗时耗力的不足，依据拓扑（仿生）识别模式，对人脸的局部结构特征和空间拓扑关系进行分析，提出一个有关提取人脸区域结构特征、构造人脸图像整体空间拓扑关系和对区域与整体特征进行模型建立的识别框架。
　　人脸识别具有直观、自然、安全、可靠等独一无二的优势，作为一种发展相对较晚的生物特征识别技术，在公共安全、银行、反恐、监控系统等领域起着不可替代的作用，与其他识别技术相融合，市场占有率逐年增高，毫无疑问，研究人脸识别技术拥有相当重要的社会意义。
　　本文以人脸库中的二维人脸图像作为研究对象，对预处理后的人脸图像采用滑动窗的方法构造其整体空间拓扑关系，同时把二维的人脸图像转换成一维的具有时序性的特征序列，定义提取的特征为局部结构特征，定义根据滑动窗滑动的顺序所形成的空间关系为人脸图像整体空间拓扑关系。由于人工神经网络以及隐马尔可夫模型在人脸识别领域已经有所应用以及鉴于人工神经网络的自适应、鲁棒性好、自学习、识别效率高、抗噪声能力强等特点，故选择应用人工神经网络对人脸图像的局部结构建模;鉴于隐马尔可夫模型对时间序列处理能力较强的特点，选择该模型对人脸图像的整体空间拓扑关系建模。将人工神经网络与隐马尔可夫模型综合使用，实现人脸图像的特征识别分类，通过一系列的仿真实验验证，证明该方法的抗变形、抗干扰能力较好，并且取得了较好的预测分类效果。

目录

摘要

1 绪论

1．1 课题研究背景及意义

1．2 人脸识别的发展

1．3 本文主要研究内容

1．4 本章小结

2 基于拓扑模式识别的理论研究

2．1 拓扑模式识别的基本原理

2．2 拓扑模式识别分析

2．2．1 拓扑模式识别可行性分析

2．2．2 识别框架的组成

2．3 本章小结

3 局部结构特征和空间拓扑关系构造

3．1 人脸图像预处理

3．2 图像特征概述

3．3 分类器设计概述

3．4 构造人脸图像空间拓扑关系

3．5 人脸图像局部结构特征提取

3．6 人脸图像特征提取

3．6．1 网格黑像素密度特征提取

3．6．2 不变矩特征提取

3．7 本章小结

4 人工神经网络模型和隐马尔可夫模型

4．1 人工神经网络模型

4．1．1 人工神经网络的工作原理

4．1．2 神经网络模型的种类

4．1．3 人工神经网络的学习规则

4．1．4 神经网络的应用

4．1．5 人工神经网络特征

4．2 隐马尔可夫模型

4．2．1 隐马尔可夫模型概念

4．2．2 隐马尔可夫模型应用

4．2．3 隐马尔可夫模型算法

4．3 基于人工神经网络局部建模

4．4 基于隐马尔可夫模型空间拓扑关系建模

4．5 人工神经网络和隐马尔可夫结合的混合建模

4．6 本章小结

5 结果与分析

总结与展望

总结

展望

参考文献

致谢

攻读学位期间发表的学术论文

声明